Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

VeloStereo	0.09 207	0.04 1	0.12 340	0.14 73	0.11 565	0.07 47	0.06 1	0.08 14	0.06 12	0.09 221	0.07 87	0.06 55	0.08 264	0.11 232	0.10 240	0.08 468	0.08 581	0.08 448	0.07 430	0.11 617	0.13 661

flow	0.09 207	0.04 1	0.12 340	0.14 73	0.11 565	0.07 47	0.06 1	0.08 14	0.06 12	0.09 221	0.07 87	0.06 55	0.08 264	0.12 332	0.10 240	0.08 468	0.08 581	0.08 448	0.07 430	0.11 617	0.13 661

3.5w_stereo	0.07 7	0.07 263	0.07 28	0.15 133	0.07 158	0.09 169	0.06 1	0.13 143	0.11 141	0.07 99	0.07 87	0.06 55	0.07 206	0.10 144	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

S2M2_L	0.09 207	0.08 401	0.11 290	0.13 23	0.10 510	0.08 103	0.06 1	0.10 45	0.10 108	0.10 272	0.09 197	0.10 305	0.09 311	0.11 232	0.11 330	0.13 665	0.07 547	0.08 448	0.09 561	0.10 594	0.08 514
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3.25w_new	0.07 7	0.06 129	0.07 28	0.15 133	0.06 45	0.10 240	0.07 5	0.12 102	0.11 141	0.08 163	0.06 30	0.07 151	0.06 77	0.11 232	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 129	0.07 28	0.15 133	0.06 45	0.10 240	0.07 5	0.12 102	0.11 141	0.08 163	0.06 30	0.07 151	0.06 77	0.11 232	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

GCAP-Stereo	0.09 207	0.07 263	0.13 398	0.18 428	0.06 45	0.11 298	0.07 5	0.13 143	0.12 184	0.09 221	0.10 237	0.07 151	0.09 311	0.13 390	0.10 240	0.06 191	0.05 304	0.05 63	0.04 72	0.04 54	0.05 236

BEATNet_4x	0.12 422	0.08 401	0.14 439	0.18 428	0.07 158	0.15 475	0.07 5	0.22 441	0.18 398	0.16 473	0.19 448	0.18 497	0.14 497	0.16 491	0.15 525	0.07 382	0.05 304	0.05 63	0.05 216	0.06 334	0.06 351

test410_97500	0.07 7	0.06 129	0.09 154	0.17 325	0.07 158	0.07 47	0.08 9	0.10 45	0.09 76	0.06 39	0.05 7	0.05 5	0.05 16	0.09 70	0.08 40	0.04 11	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

test410	0.07 7	0.06 129	0.09 154	0.17 325	0.07 158	0.07 47	0.08 9	0.10 45	0.09 76	0.06 39	0.05 7	0.06 55	0.05 16	0.09 70	0.07 9	0.04 11	0.05 304	0.04 1	0.03 1	0.03 1	0.03 2

over v1	0.07 7	0.07 263	0.07 28	0.18 428	0.05 2	0.08 103	0.08 9	0.10 45	0.05 6	0.06 39	0.06 30	0.07 151	0.10 359	0.11 232	0.08 40	0.05 55	0.04 26	0.04 1	0.03 1	0.05 194	0.05 236

over-8	0.07 7	0.07 263	0.07 28	0.18 428	0.05 2	0.08 103	0.08 9	0.13 143	0.05 6	0.06 39	0.05 7	0.07 151	0.09 311	0.11 232	0.08 40	0.06 191	0.04 26	0.04 1	0.03 1	0.05 194	0.05 236

over-9	0.07 7	0.07 263	0.07 28	0.18 428	0.05 2	0.08 103	0.08 9	0.13 143	0.06 12	0.06 39	0.05 7	0.07 151	0.09 311	0.11 232	0.08 40	0.06 191	0.04 26	0.04 1	0.03 1	0.05 194	0.05 236

CAR	0.07 7	0.05 45	0.08 77	0.14 73	0.06 45	0.07 47	0.08 9	0.12 102	0.08 42	0.05 2	0.06 30	0.05 5	0.05 16	0.10 144	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

MSE-Stereo	0.07 7	0.04 1	0.08 77	0.13 23	0.06 45	0.07 47	0.08 9	0.12 102	0.08 42	0.05 2	0.06 30	0.05 5	0.05 16	0.10 144	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

asd	0.07 7	0.08 401	0.07 28	0.16 234	0.07 158	0.08 103	0.08 9	0.11 75	0.08 42	0.07 99	0.07 87	0.06 55	0.06 77	0.10 144	0.09 126	0.03 1	0.03 1	0.04 1	0.04 72	0.04 54	0.03 2

2.25w	0.07 7	0.06 129	0.07 28	0.14 73	0.06 45	0.08 103	0.08 9	0.10 45	0.15 291	0.08 163	0.10 237	0.07 151	0.06 77	0.08 33	0.10 240	0.05 55	0.03 1	0.04 1	0.04 72	0.03 1	0.04 88

4.25_new	0.07 7	0.08 401	0.09 154	0.15 133	0.06 45	0.09 169	0.08 9	0.14 178	0.08 42	0.07 99	0.07 87	0.06 55	0.06 77	0.12 332	0.10 240	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

4.5w_new	0.07 7	0.08 401	0.09 154	0.15 133	0.06 45	0.09 169	0.08 9	0.14 178	0.08 42	0.07 99	0.07 87	0.06 55	0.06 77	0.12 332	0.10 240	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

4.25w-stereo	0.07 7	0.08 401	0.09 154	0.15 133	0.06 45	0.09 169	0.08 9	0.14 178	0.08 42	0.07 99	0.07 87	0.06 55	0.06 77	0.12 332	0.10 240	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

4w-stereo	0.07 7	0.08 401	0.08 77	0.16 234	0.06 45	0.07 47	0.08 9	0.12 102	0.08 42	0.07 99	0.07 87	0.05 5	0.06 77	0.09 70	0.10 240	0.03 1	0.03 1	0.04 1	0.04 72	0.04 54	0.03 2

2.75w_new	0.07 7	0.07 263	0.07 28	0.13 23	0.06 45	0.08 103	0.08 9	0.18 343	0.12 184	0.07 99	0.08 156	0.06 55	0.06 77	0.09 70	0.11 330	0.04 11	0.04 26	0.04 1	0.03 1	0.03 1	0.04 88

LG-G_1	0.07 7	0.04 1	0.11 290	0.15 133	0.06 45	0.09 169	0.08 9	0.08 14	0.06 12	0.06 39	0.05 7	0.07 151	0.07 206	0.11 232	0.08 40	0.07 382	0.04 26	0.05 63	0.04 72	0.05 194	0.05 236

LG-G	0.07 7	0.04 1	0.11 290	0.15 133	0.06 45	0.09 169	0.08 9	0.08 14	0.06 12	0.06 39	0.05 7	0.07 151	0.07 206	0.11 232	0.08 40	0.07 382	0.04 26	0.05 63	0.04 72	0.05 194	0.05 236

GCST	0.37 714	0.42 740	0.26 644	1.02 766	0.39 741	0.18 550	0.08 9	0.20 387	0.17 364	0.28 659	0.25 548	0.15 445	0.12 430	0.16 491	0.14 490	0.64 762	0.43 756	0.75 758	0.65 762	0.63 755	0.46 753

DN-CSS_ROB	0.13 450	0.13 625	0.16 525	0.18 428	0.10 510	0.16 507	0.08 9	0.22 441	0.18 398	0.17 492	0.22 497	0.13 391	0.13 472	0.12 332	0.13 447	0.05 55	0.05 304	0.10 588	0.10 603	0.08 496	0.06 351

F7	0.07 7	0.07 263	0.05 2	0.18 428	0.05 2	0.07 47	0.09 27	0.13 143	0.05 6	0.05 2	0.06 30	0.07 151	0.06 77	0.10 144	0.05 1	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

GREATEN-IGEV-FM_RVC	0.09 207	0.05 45	0.11 290	0.19 511	0.07 158	0.10 240	0.09 27	0.12 102	0.09 76	0.09 221	0.09 197	0.07 151	0.08 264	0.08 33	0.09 126	0.06 191	0.06 469	0.10 588	0.08 513	0.07 422	0.05 236

over-6	0.08 110	0.07 263	0.08 77	0.17 325	0.05 2	0.10 240	0.09 27	0.17 308	0.11 141	0.06 39	0.07 87	0.06 55	0.09 311	0.10 144	0.08 40	0.06 191	0.04 26	0.04 1	0.04 72	0.05 194	0.05 236

MGA	0.07 7	0.04 1	0.10 227	0.13 23	0.06 45	0.08 103	0.09 27	0.12 102	0.08 42	0.05 2	0.06 30	0.06 55	0.05 16	0.10 144	0.09 126	0.06 191	0.04 26	0.05 63	0.03 1	0.05 194	0.05 236

aanet-new-16k	0.08 110	0.08 401	0.08 77	0.18 428	0.06 45	0.07 47	0.09 27	0.13 143	0.12 184	0.08 163	0.07 87	0.07 151	0.06 77	0.09 70	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.05 194	0.03 2

BStereo	0.08 110	0.06 129	0.16 525	0.15 133	0.08 258	0.07 47	0.09 27	0.15 224	0.16 333	0.06 39	0.07 87	0.07 151	0.05 16	0.09 70	0.11 330	0.04 11	0.05 304	0.05 63	0.07 430	0.04 54	0.04 88

Anonymus123	0.09 207	0.06 129	0.16 525	0.15 133	0.08 258	0.11 298	0.09 27	0.18 343	0.16 333	0.06 39	0.07 87	0.07 151	0.05 16	0.09 70	0.11 330	0.04 11	0.05 304	0.05 63	0.07 430	0.04 54	0.04 88

Monster-pub-mixall	0.07 7	0.04 1	0.09 154	0.13 23	0.06 45	0.05 5	0.09 27	0.11 75	0.07 30	0.06 39	0.06 30	0.05 5	0.06 77	0.09 70	0.09 126	0.06 191	0.04 26	0.04 1	0.03 1	0.05 194	0.05 236

Replicate-Monster	0.07 7	0.05 45	0.09 154	0.14 73	0.06 45	0.08 103	0.09 27	0.13 143	0.13 229	0.05 2	0.07 87	0.06 55	0.06 77	0.08 33	0.10 240	0.05 55	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

S2M2_XL	0.08 110	0.06 129	0.12 340	0.12 7	0.08 258	0.09 169	0.09 27	0.07 8	0.07 30	0.08 163	0.07 87	0.07 151	0.06 77	0.09 70	0.09 126	0.08 468	0.06 469	0.07 347	0.05 216	0.08 496	0.06 351
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3.75w	0.07 7	0.07 263	0.08 77	0.16 234	0.07 158	0.07 47	0.09 27	0.16 268	0.09 76	0.07 99	0.06 30	0.05 5	0.06 77	0.09 70	0.10 240	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsters	0.07 7	0.06 129	0.06 13	0.15 133	0.06 45	0.08 103	0.09 27	0.12 102	0.08 42	0.09 221	0.07 87	0.06 55	0.06 77	0.08 33	0.08 40	0.05 55	0.04 26	0.04 1	0.04 72	0.03 1	0.03 2

LGtest1	0.07 7	0.04 1	0.10 227	0.15 133	0.06 45	0.07 47	0.09 27	0.08 14	0.06 12	0.05 2	0.04 1	0.06 55	0.06 77	0.10 144	0.09 126	0.07 382	0.04 26	0.05 63	0.04 72	0.06 334	0.06 351

DCVSM-stereo	0.14 487	0.09 488	0.16 525	0.16 234	0.10 510	0.15 475	0.09 27	0.19 374	0.23 485	0.20 564	0.23 506	0.26 601	0.15 515	0.18 551	0.14 490	0.09 537	0.07 547	0.09 538	0.08 513	0.10 594	0.12 638

IGEV-Stereo+	0.07 7	0.04 1	0.08 77	0.15 133	0.06 45	0.04 1	0.09 27	0.10 45	0.09 76	0.06 39	0.06 30	0.06 55	0.06 77	0.06 2	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.06 334	0.06 351

LL-Strereo2	0.10 288	0.10 551	0.15 488	0.18 428	0.08 258	0.15 475	0.09 27	0.17 308	0.14 263	0.14 417	0.10 237	0.09 267	0.07 206	0.16 491	0.10 240	0.05 55	0.05 304	0.10 588	0.07 430	0.06 334	0.05 236

DIP-Stereo	0.11 342	0.07 263	0.14 439	0.17 325	0.09 394	0.13 411	0.09 27	0.16 268	0.16 333	0.11 309	0.16 385	0.14 414	0.12 430	0.15 456	0.13 447	0.06 191	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CFNet	0.15 533	0.10 551	0.17 557	0.17 325	0.08 258	0.18 550	0.09 27	0.28 570	0.25 524	0.19 541	0.24 519	0.24 577	0.17 567	0.17 526	0.14 490	0.08 468	0.06 469	0.09 538	0.10 603	0.07 422	0.06 351

F8.5	0.07 7	0.07 263	0.05 2	0.18 428	0.05 2	0.08 103	0.10 45	0.12 102	0.06 12	0.05 2	0.06 30	0.08 221	0.06 77	0.09 70	0.05 1	0.05 55	0.04 26	0.05 63	0.05 216	0.04 54	0.03 2

FORCE_6	0.07 7	0.07 263	0.04 1	0.18 428	0.05 2	0.09 169	0.10 45	0.12 102	0.06 12	0.06 39	0.06 30	0.06 55	0.06 77	0.10 144	0.07 9	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

EE1	0.08 110	0.05 45	0.09 154	0.15 133	0.07 158	0.07 47	0.10 45	0.16 268	0.12 184	0.08 163	0.05 7	0.06 55	0.06 77	0.13 390	0.09 126	0.06 191	0.05 304	0.06 228	0.04 72	0.05 194	0.05 236

AnonStereo	0.09 207	0.08 401	0.09 154	0.17 325	0.07 158	0.09 169	0.10 45	0.19 374	0.13 229	0.08 163	0.08 156	0.06 55	0.05 16	0.13 390	0.09 126	0.06 191	0.04 26	0.06 228	0.05 216	0.06 334	0.05 236

rgla	0.07 7	0.06 129	0.06 13	0.16 234	0.06 45	0.08 103	0.10 45	0.09 28	0.08 42	0.07 99	0.06 30	0.05 5	0.06 77	0.10 144	0.09 126	0.05 55	0.04 26	0.04 1	0.03 1	0.04 54	0.04 88

416test1013	0.07 7	0.06 129	0.06 13	0.16 234	0.07 158	0.10 240	0.10 45	0.09 28	0.07 30	0.07 99	0.07 87	0.05 5	0.06 77	0.10 144	0.08 40	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.04 88

416test	0.07 7	0.07 263	0.06 13	0.17 325	0.07 158	0.09 169	0.10 45	0.09 28	0.08 42	0.07 99	0.06 30	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.04 1	0.03 1	0.04 54	0.04 88

SCION-M(vits-remse)	0.08 110	0.06 129	0.12 340	0.24 670	0.05 2	0.07 47	0.10 45	0.15 224	0.15 291	0.05 2	0.06 30	0.05 5	0.06 77	0.07 8	0.09 126	0.08 468	0.06 469	0.04 1	0.03 1	0.03 1	0.03 2

SCION-Mon(vits-remp)	0.09 207	0.13 625	0.12 340	0.24 670	0.16 678	0.25 652	0.10 45	0.15 224	0.15 291	0.05 2	0.06 30	0.05 5	0.06 77	0.07 8	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

SCION-MonSter(vits)	0.14 487	0.06 129	0.05 2	0.15 133	0.05 2	0.07 47	0.10 45	0.27 549	0.41 657	0.05 2	0.33 634	0.14 414	0.16 543	0.20 593	0.19 588	0.08 468	0.06 469	0.17 693	0.15 691	0.07 422	0.08 514

monster-pro	0.07 7	0.06 129	0.05 2	0.15 133	0.05 2	0.07 47	0.10 45	0.15 224	0.15 291	0.05 2	0.06 30	0.05 5	0.06 77	0.07 8	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

aanet-new-60k	0.07 7	0.07 263	0.08 77	0.18 428	0.06 45	0.07 47	0.10 45	0.09 28	0.14 263	0.07 99	0.07 87	0.06 55	0.06 77	0.11 232	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

aanet-new-14k	0.08 110	0.09 488	0.08 77	0.19 511	0.06 45	0.07 47	0.10 45	0.14 178	0.15 291	0.06 39	0.08 156	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

RT-Monster	0.09 207	0.05 45	0.09 154	0.14 73	0.08 258	0.11 298	0.10 45	0.17 308	0.18 398	0.13 389	0.10 237	0.09 267	0.08 264	0.10 144	0.10 240	0.07 382	0.05 304	0.05 63	0.04 72	0.05 194	0.06 351

PSi22	0.08 110	0.06 129	0.11 290	0.16 234	0.07 158	0.08 103	0.10 45	0.14 178	0.08 42	0.08 163	0.06 30	0.10 305	0.06 77	0.12 332	0.09 126	0.05 55	0.04 26	0.04 1	0.03 1	0.04 54	0.04 88

VMStereo-Base	0.09 207	0.05 45	0.10 227	0.13 23	0.07 158	0.10 240	0.10 45	0.16 268	0.13 229	0.10 272	0.15 372	0.10 305	0.09 311	0.11 232	0.10 240	0.07 382	0.05 304	0.05 63	0.04 72	0.05 194	0.06 351

BridgeDepth_RVC	0.07 7	0.04 1	0.09 154	0.11 1	0.05 2	0.10 240	0.10 45	0.14 178	0.09 76	0.06 39	0.07 87	0.06 55	0.07 206	0.07 8	0.10 240	0.06 191	0.04 26	0.04 1	0.04 72	0.04 54	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
VIP-Stereo	0.07 7	0.07 263	0.07 28	0.15 133	0.06 45	0.12 353	0.10 45	0.11 75	0.11 141	0.06 39	0.07 87	0.06 55	0.05 16	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.03 1	0.03 1	0.02 1

MonStereo	0.07 7	0.06 129	0.05 2	0.15 133	0.05 2	0.08 103	0.10 45	0.15 224	0.15 291	0.05 2	0.06 30	0.05 5	0.06 77	0.07 8	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 129	0.05 2	0.15 133	0.05 2	0.08 103	0.10 45	0.15 224	0.15 291	0.05 2	0.06 30	0.05 5	0.06 77	0.07 8	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

asda	0.07 7	0.08 401	0.08 77	0.16 234	0.06 45	0.06 16	0.10 45	0.16 268	0.10 108	0.06 39	0.06 30	0.05 5	0.05 16	0.10 144	0.10 240	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

qwe	0.07 7	0.08 401	0.07 28	0.15 133	0.06 45	0.07 47	0.10 45	0.18 343	0.11 141	0.07 99	0.07 87	0.06 55	0.06 77	0.10 144	0.09 126	0.03 1	0.03 1	0.04 1	0.04 72	0.04 54	0.03 2

4.5_new	0.07 7	0.09 488	0.08 77	0.15 133	0.07 158	0.06 16	0.10 45	0.14 178	0.11 141	0.06 39	0.08 156	0.06 55	0.06 77	0.08 33	0.10 240	0.03 1	0.03 1	0.04 1	0.04 72	0.04 54	0.03 2

4.5w-stereo	0.07 7	0.09 488	0.08 77	0.15 133	0.07 158	0.06 16	0.10 45	0.14 178	0.11 141	0.06 39	0.08 156	0.06 55	0.06 77	0.08 33	0.10 240	0.03 1	0.03 1	0.04 1	0.04 72	0.04 54	0.03 2

3w_stereo	0.08 110	0.09 488	0.10 227	0.17 325	0.07 158	0.08 103	0.10 45	0.20 387	0.13 229	0.06 39	0.07 87	0.05 5	0.06 77	0.08 33	0.09 126	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

2w_stereo	0.08 110	0.08 401	0.09 154	0.16 234	0.06 45	0.08 103	0.10 45	0.20 387	0.15 291	0.08 163	0.07 87	0.06 55	0.06 77	0.06 2	0.09 126	0.04 11	0.03 1	0.04 1	0.04 72	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 129	0.07 28	0.16 234	0.06 45	0.07 47	0.10 45	0.14 178	0.14 263	0.07 99	0.08 156	0.05 5	0.06 77	0.09 70	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 88

monsterstereo	0.07 7	0.06 129	0.06 13	0.16 234	0.06 45	0.08 103	0.10 45	0.16 268	0.11 141	0.07 99	0.08 156	0.06 55	0.07 206	0.08 33	0.09 126	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

111111	0.07 7	0.04 1	0.09 154	0.17 325	0.06 45	0.05 5	0.10 45	0.11 75	0.09 76	0.06 39	0.06 30	0.07 151	0.05 16	0.09 70	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.07 422	0.06 351

AIO-test2	0.10 288	0.08 401	0.10 227	0.23 661	0.08 258	0.11 298	0.10 45	0.23 465	0.23 485	0.08 163	0.09 197	0.08 221	0.05 16	0.10 144	0.08 40	0.06 191	0.05 304	0.08 448	0.09 561	0.05 194	0.05 236

MonSter	0.07 7	0.06 129	0.05 2	0.15 133	0.05 2	0.07 47	0.10 45	0.15 224	0.15 291	0.05 2	0.06 30	0.05 5	0.06 77	0.07 8	0.09 126	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

IGEV-Stereo++	0.07 7	0.06 129	0.08 77	0.18 428	0.06 45	0.04 1	0.10 45	0.11 75	0.11 141	0.06 39	0.07 87	0.07 151	0.06 77	0.09 70	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

rvit_stereo_0075_2	0.17 580	0.12 597	0.25 641	0.23 661	0.16 678	0.13 411	0.10 45	0.30 601	0.27 548	0.20 564	0.28 588	0.22 553	0.15 515	0.18 551	0.13 447	0.16 699	0.10 640	0.17 693	0.10 603	0.10 594	0.09 563

Pointernet	0.09 207	0.04 1	0.09 154	0.16 234	0.08 258	0.13 411	0.10 45	0.15 224	0.17 364	0.09 221	0.07 87	0.06 55	0.06 77	0.11 232	0.09 126	0.08 468	0.04 26	0.05 63	0.03 1	0.06 334	0.05 236

MaDis-Stereo	0.09 207	0.09 488	0.08 77	0.17 325	0.09 394	0.13 411	0.10 45	0.16 268	0.16 333	0.09 221	0.11 292	0.06 55	0.06 77	0.09 70	0.13 447	0.07 382	0.06 469	0.07 347	0.05 216	0.05 194	0.04 88

raftrobust	0.09 207	0.06 129	0.10 227	0.17 325	0.08 258	0.09 169	0.10 45	0.18 343	0.16 333	0.10 272	0.09 197	0.12 358	0.07 206	0.12 332	0.10 240	0.08 468	0.05 304	0.06 228	0.05 216	0.05 194	0.05 236

RALAANet	0.11 342	0.08 401	0.10 227	0.17 325	0.09 394	0.14 448	0.10 45	0.20 387	0.15 291	0.14 417	0.13 335	0.16 460	0.09 311	0.12 332	0.11 330	0.06 191	0.05 304	0.07 347	0.06 326	0.05 194	0.04 88

UCFNet_RVC	0.14 487	0.08 401	0.13 398	0.11 1	0.10 510	0.20 591	0.10 45	0.24 489	0.22 473	0.17 492	0.20 461	0.23 571	0.15 515	0.17 526	0.15 525	0.12 639	0.07 547	0.10 588	0.13 670	0.11 617	0.10 595

HITNet	0.10 288	0.06 129	0.12 340	0.14 73	0.06 45	0.11 298	0.10 45	0.18 343	0.18 398	0.13 389	0.16 385	0.14 414	0.11 397	0.15 456	0.13 447	0.06 191	0.04 26	0.04 1	0.04 72	0.06 334	0.05 236
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
F4.4	0.07 7	0.07 263	0.05 2	0.17 325	0.05 2	0.07 47	0.11 84	0.15 224	0.04 2	0.05 2	0.07 87	0.05 5	0.07 206	0.09 70	0.07 9	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

FORCE_4.6	0.07 7	0.07 263	0.06 13	0.17 325	0.05 2	0.08 103	0.11 84	0.12 102	0.08 42	0.05 2	0.05 7	0.05 5	0.06 77	0.08 33	0.06 4	0.07 382	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

F5.5	0.07 7	0.06 129	0.06 13	0.19 511	0.06 45	0.09 169	0.11 84	0.14 178	0.06 12	0.05 2	0.06 30	0.07 151	0.05 16	0.09 70	0.06 4	0.05 55	0.04 26	0.05 63	0.05 216	0.04 54	0.03 2

FORCE_9	0.07 7	0.07 263	0.05 2	0.18 428	0.05 2	0.08 103	0.11 84	0.12 102	0.06 12	0.05 2	0.06 30	0.08 221	0.06 77	0.09 70	0.06 4	0.05 55	0.04 26	0.05 63	0.05 216	0.04 54	0.03 2

FORCE_8	0.07 7	0.07 263	0.05 2	0.19 511	0.05 2	0.08 103	0.11 84	0.12 102	0.06 12	0.06 39	0.06 30	0.08 221	0.06 77	0.09 70	0.06 4	0.05 55	0.04 26	0.05 63	0.05 216	0.04 54	0.03 2

FORCE_4.5	0.07 7	0.07 263	0.05 2	0.17 325	0.05 2	0.07 47	0.11 84	0.14 178	0.06 12	0.05 2	0.06 30	0.05 5	0.07 206	0.08 33	0.07 9	0.06 191	0.04 26	0.05 63	0.05 216	0.04 54	0.03 2

FORCE_4	0.07 7	0.05 45	0.06 13	0.18 428	0.06 45	0.09 169	0.11 84	0.12 102	0.05 6	0.06 39	0.07 87	0.08 221	0.07 206	0.10 144	0.05 1	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.03 2

FORCE_5	0.07 7	0.05 45	0.06 13	0.18 428	0.05 2	0.08 103	0.11 84	0.12 102	0.04 2	0.05 2	0.06 30	0.06 55	0.06 77	0.09 70	0.06 4	0.05 55	0.04 26	0.05 63	0.05 216	0.04 54	0.04 88

LACA_dic	0.07 7	0.10 551	0.08 77	0.13 23	0.05 2	0.08 103	0.11 84	0.08 14	0.09 76	0.05 2	0.05 7	0.05 5	0.05 16	0.08 33	0.08 40	0.06 191	0.04 26	0.04 1	0.04 72	0.05 194	0.04 88

GREATEN-IGEV_RVC	0.09 207	0.08 401	0.08 77	0.21 617	0.09 394	0.08 103	0.11 84	0.10 45	0.09 76	0.07 99	0.10 237	0.05 5	0.06 77	0.14 428	0.11 330	0.05 55	0.06 469	0.07 347	0.06 326	0.05 194	0.05 236

SE	0.10 288	0.10 551	0.08 77	0.19 511	0.09 394	0.11 298	0.11 84	0.15 224	0.11 141	0.10 272	0.16 385	0.09 267	0.08 264	0.09 70	0.10 240	0.06 191	0.05 304	0.08 448	0.07 430	0.07 422	0.04 88

depth_test_26	0.08 110	0.04 1	0.11 290	0.13 23	0.07 158	0.07 47	0.11 84	0.12 102	0.11 141	0.09 221	0.07 87	0.08 221	0.05 16	0.09 70	0.08 40	0.08 468	0.06 469	0.06 228	0.06 326	0.06 334	0.07 441

HLF11	0.11 342	0.05 45	0.13 398	0.12 7	0.08 258	0.14 448	0.11 84	0.22 441	0.10 108	0.12 354	0.23 506	0.11 336	0.11 397	0.14 428	0.13 447	0.08 468	0.05 304	0.05 63	0.04 72	0.08 496	0.08 514

TestStereo_HL3	0.11 342	0.05 45	0.16 525	0.13 23	0.07 158	0.12 353	0.11 84	0.20 387	0.09 76	0.15 444	0.30 608	0.13 391	0.12 430	0.16 491	0.11 330	0.07 382	0.05 304	0.05 63	0.05 216	0.06 334	0.07 441

aanet-new-32k	0.08 110	0.07 263	0.09 154	0.18 428	0.06 45	0.11 298	0.11 84	0.10 45	0.08 42	0.07 99	0.07 87	0.07 151	0.06 77	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

aanet-new-30k	0.08 110	0.07 263	0.09 154	0.18 428	0.06 45	0.11 298	0.11 84	0.10 45	0.08 42	0.07 99	0.07 87	0.07 151	0.06 77	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

aanet-new-22k	0.08 110	0.06 129	0.09 154	0.17 325	0.06 45	0.08 103	0.11 84	0.14 178	0.12 184	0.09 221	0.09 197	0.08 221	0.06 77	0.10 144	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 154	0.13 23	0.05 2	0.08 103	0.11 84	0.06 2	0.06 12	0.06 39	0.05 7	0.08 221	0.05 16	0.08 33	0.09 126	0.06 191	0.04 26	0.04 1	0.03 1	0.05 194	0.04 88

PSi22b	0.06 1	0.04 1	0.09 154	0.13 23	0.05 2	0.08 103	0.11 84	0.06 2	0.06 12	0.06 39	0.06 30	0.08 221	0.05 16	0.08 33	0.09 126	0.06 191	0.04 26	0.04 1	0.03 1	0.05 194	0.04 88

PSi22a	0.06 1	0.04 1	0.09 154	0.12 7	0.05 2	0.06 16	0.11 84	0.06 2	0.06 12	0.06 39	0.06 30	0.06 55	0.05 16	0.08 33	0.09 126	0.07 382	0.04 26	0.04 1	0.03 1	0.05 194	0.04 88

LACA3	0.07 7	0.08 401	0.08 77	0.13 23	0.05 2	0.09 169	0.11 84	0.08 14	0.08 42	0.08 163	0.05 7	0.07 151	0.07 206	0.07 8	0.07 9	0.06 191	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

LACA2	0.07 7	0.05 45	0.06 13	0.15 133	0.06 45	0.09 169	0.11 84	0.11 75	0.10 108	0.05 2	0.05 7	0.06 55	0.08 264	0.09 70	0.07 9	0.07 382	0.04 26	0.04 1	0.04 72	0.04 54	0.04 88

LACA1	0.07 7	0.07 263	0.07 28	0.14 73	0.05 2	0.09 169	0.11 84	0.10 45	0.07 30	0.05 2	0.05 7	0.06 55	0.07 206	0.08 33	0.09 126	0.06 191	0.04 26	0.04 1	0.04 72	0.03 1	0.04 88

Test_v1	0.07 7	0.04 1	0.06 13	0.13 23	0.06 45	0.08 103	0.11 84	0.15 224	0.12 184	0.06 39	0.05 7	0.04 1	0.05 16	0.08 33	0.10 240	0.07 382	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

DispViT+	0.08 110	0.05 45	0.09 154	0.13 23	0.06 45	0.05 5	0.11 84	0.18 343	0.16 333	0.09 221	0.08 156	0.07 151	0.06 77	0.11 232	0.09 126	0.06 191	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 110	0.04 1	0.11 290	0.14 73	0.07 158	0.11 298	0.11 84	0.11 75	0.07 30	0.07 99	0.07 87	0.07 151	0.06 77	0.10 144	0.10 240	0.06 191	0.04 26	0.05 63	0.04 72	0.06 334	0.06 351

BridgeDepth	0.07 7	0.07 263	0.08 77	0.18 428	0.06 45	0.07 47	0.11 84	0.09 28	0.06 12	0.04 1	0.07 87	0.10 305	0.09 311	0.08 33	0.08 40	0.04 11	0.03 1	0.04 1	0.04 72	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
252Zero-FE	0.08 110	0.04 1	0.09 154	0.13 23	0.07 158	0.12 353	0.11 84	0.13 143	0.14 263	0.06 39	0.05 7	0.06 55	0.05 16	0.09 70	0.10 240	0.06 191	0.04 26	0.04 1	0.03 1	0.05 194	0.06 351

Wavelet-MonSter	0.07 7	0.05 45	0.07 28	0.16 234	0.06 45	0.07 47	0.11 84	0.10 45	0.08 42	0.06 39	0.06 30	0.07 151	0.07 206	0.09 70	0.09 126	0.04 11	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

MLG-Stereo_test3	0.07 7	0.05 45	0.10 227	0.14 73	0.06 45	0.07 47	0.11 84	0.08 14	0.06 12	0.06 39	0.04 1	0.06 55	0.06 77	0.07 8	0.10 240	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.06 351

MLG-Stereo_test2	0.06 1	0.04 1	0.10 227	0.15 133	0.05 2	0.07 47	0.11 84	0.09 28	0.04 2	0.06 39	0.05 7	0.06 55	0.04 1	0.08 33	0.09 126	0.06 191	0.04 26	0.05 63	0.03 1	0.05 194	0.05 236

MLG-Stereo_test1	0.06 1	0.05 45	0.08 77	0.17 325	0.05 2	0.06 16	0.11 84	0.08 14	0.03 1	0.05 2	0.04 1	0.06 55	0.05 16	0.09 70	0.09 126	0.05 55	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

MLG-Stereo	0.07 7	0.05 45	0.08 77	0.17 325	0.05 2	0.07 47	0.11 84	0.08 14	0.04 2	0.05 2	0.04 1	0.06 55	0.05 16	0.10 144	0.09 126	0.05 55	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

Reg-Stereo(zero)	0.08 110	0.05 45	0.08 77	0.16 234	0.06 45	0.12 353	0.11 84	0.15 224	0.10 108	0.12 354	0.09 197	0.10 305	0.08 264	0.11 232	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.05 236

StereoAnything_RVC	0.07 7	0.15 648	0.17 557	0.11 1	0.05 2	0.05 5	0.11 84	0.08 14	0.08 42	0.06 39	0.06 30	0.05 5	0.05 16	0.09 70	0.08 40	0.08 468	0.04 26	0.05 63	0.03 1	0.05 194	0.04 88

trnet	0.08 110	0.05 45	0.07 28	0.12 7	0.05 2	0.12 353	0.11 84	0.13 143	0.10 108	0.08 163	0.13 335	0.09 267	0.08 264	0.11 232	0.10 240	0.08 468	0.05 304	0.05 63	0.03 1	0.06 334	0.05 236

MIF-Stereo (partial)	0.11 342	0.06 129	0.10 227	0.19 511	0.10 510	0.10 240	0.11 84	0.17 308	0.18 398	0.14 417	0.16 385	0.09 267	0.11 397	0.12 332	0.12 400	0.08 468	0.05 304	0.08 448	0.07 430	0.06 334	0.07 441

UniTT-Stereo	0.09 207	0.07 263	0.08 77	0.18 428	0.08 258	0.13 411	0.11 84	0.12 102	0.11 141	0.10 272	0.12 315	0.05 5	0.07 206	0.09 70	0.09 126	0.07 382	0.05 304	0.05 63	0.05 216	0.05 194	0.05 236

CASnet	0.09 207	0.09 488	0.09 154	0.19 511	0.06 45	0.07 47	0.11 84	0.18 343	0.14 263	0.11 309	0.10 237	0.09 267	0.07 206	0.10 144	0.10 240	0.06 191	0.04 26	0.10 588	0.08 513	0.05 194	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS	0.09 207	0.05 45	0.11 290	0.13 23	0.07 158	0.14 448	0.11 84	0.15 224	0.15 291	0.09 221	0.09 197	0.12 358	0.09 311	0.15 456	0.10 240	0.07 382	0.05 304	0.05 63	0.03 1	0.05 194	0.05 236
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Patchmatch Stereo++	0.11 342	0.09 488	0.16 525	0.18 428	0.08 258	0.06 16	0.11 84	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
ROB_FTStereo	0.11 342	0.09 488	0.16 525	0.19 511	0.08 258	0.06 16	0.11 84	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

iRAFT	0.11 342	0.09 488	0.16 525	0.18 428	0.08 258	0.06 16	0.11 84	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

raft+_RVC	0.11 342	0.07 263	0.09 154	0.16 234	0.07 158	0.10 240	0.11 84	0.24 489	0.20 442	0.12 354	0.15 372	0.12 358	0.08 264	0.12 332	0.13 447	0.07 382	0.04 26	0.07 347	0.06 326	0.05 194	0.05 236

AdaStereo	0.15 533	0.11 579	0.15 488	0.18 428	0.09 394	0.20 591	0.11 84	0.32 625	0.28 563	0.20 564	0.23 506	0.20 525	0.13 472	0.19 568	0.14 490	0.12 639	0.05 304	0.10 588	0.07 430	0.09 561	0.07 441
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
CBMV	0.19 606	0.14 638	0.17 557	0.18 428	0.10 510	0.20 591	0.11 84	0.29 586	0.30 580	0.29 668	0.30 608	0.30 638	0.23 634	0.27 657	0.19 588	0.13 665	0.15 703	0.17 693	0.16 698	0.10 594	0.10 595
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
TT111	0.08 110	0.05 45	0.11 290	0.13 23	0.06 45	0.08 103	0.12 130	0.14 178	0.08 42	0.05 2	0.06 30	0.06 55	0.09 311	0.10 144	0.11 330	0.06 191	0.05 304	0.05 63	0.04 72	0.04 54	0.05 236

LGCAT	0.08 110	0.04 1	0.10 227	0.11 1	0.06 45	0.07 47	0.12 130	0.07 8	0.08 42	0.09 221	0.07 87	0.07 151	0.08 264	0.12 332	0.11 330	0.10 582	0.09 618	0.04 1	0.05 216	0.04 54	0.09 563

ManiGeoR	0.10 288	0.05 45	0.12 340	0.12 7	0.08 258	0.12 353	0.12 130	0.24 489	0.14 263	0.12 354	0.14 351	0.12 358	0.09 311	0.13 390	0.13 447	0.07 382	0.04 26	0.05 63	0.05 216	0.07 422	0.07 441

HLf10	0.10 288	0.05 45	0.12 340	0.12 7	0.08 258	0.12 353	0.12 130	0.24 489	0.14 263	0.12 354	0.14 351	0.12 358	0.09 311	0.13 390	0.13 447	0.07 382	0.04 26	0.05 63	0.05 216	0.07 422	0.07 441

HLf8	0.11 342	0.05 45	0.13 398	0.11 1	0.08 258	0.15 475	0.12 130	0.22 441	0.15 291	0.13 389	0.17 409	0.12 358	0.10 359	0.14 428	0.12 400	0.09 537	0.05 304	0.05 63	0.05 216	0.08 496	0.08 514

derf	0.07 7	0.04 1	0.10 227	0.14 73	0.06 45	0.05 5	0.12 130	0.12 102	0.09 76	0.05 2	0.07 87	0.07 151	0.08 264	0.10 144	0.10 240	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.05 236

DNS	0.09 207	0.06 129	0.08 77	0.14 73	0.06 45	0.06 16	0.12 130	0.12 102	0.09 76	0.08 163	0.08 156	0.08 221	0.05 16	0.17 526	0.11 330	0.07 382	0.05 304	0.07 347	0.03 1	0.13 655	0.09 563

mm2	0.07 7	0.04 1	0.10 227	0.13 23	0.06 45	0.06 16	0.12 130	0.13 143	0.08 42	0.06 39	0.07 87	0.06 55	0.08 264	0.10 144	0.09 126	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.05 236

mm1	0.07 7	0.04 1	0.10 227	0.13 23	0.06 45	0.06 16	0.12 130	0.06 2	0.08 42	0.06 39	0.07 87	0.06 55	0.08 264	0.10 144	0.09 126	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.05 236

qqai	0.07 7	0.05 45	0.10 227	0.14 73	0.06 45	0.05 5	0.12 130	0.08 14	0.09 76	0.05 2	0.06 30	0.06 55	0.08 264	0.10 144	0.09 126	0.06 191	0.05 304	0.05 63	0.03 1	0.04 54	0.05 236

aanet-new-90k	0.08 110	0.07 263	0.08 77	0.19 511	0.06 45	0.07 47	0.12 130	0.12 102	0.13 229	0.06 39	0.07 87	0.06 55	0.06 77	0.10 144	0.07 9	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.03 2

aanet-new-70k	0.07 7	0.06 129	0.09 154	0.17 325	0.06 45	0.08 103	0.12 130	0.11 75	0.10 108	0.06 39	0.07 87	0.07 151	0.06 77	0.10 144	0.07 9	0.04 11	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

aanet-new-78k	0.07 7	0.07 263	0.09 154	0.19 511	0.06 45	0.07 47	0.12 130	0.11 75	0.13 229	0.06 39	0.07 87	0.06 55	0.06 77	0.09 70	0.07 9	0.04 11	0.04 26	0.05 63	0.04 72	0.05 194	0.03 2

aanet-32k-new	0.08 110	0.07 263	0.08 77	0.18 428	0.06 45	0.08 103	0.12 130	0.11 75	0.12 184	0.07 99	0.08 156	0.05 5	0.07 206	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.06 334	0.04 88

aanet-new-28k	0.08 110	0.07 263	0.09 154	0.18 428	0.06 45	0.08 103	0.12 130	0.10 45	0.09 76	0.09 221	0.08 156	0.08 221	0.06 77	0.12 332	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

GCAP-Stereo-DPT26K	0.07 7	0.06 129	0.07 28	0.16 234	0.06 45	0.08 103	0.12 130	0.10 45	0.08 42	0.06 39	0.09 197	0.06 55	0.05 16	0.08 33	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 263	0.07 28	0.17 325	0.06 45	0.07 47	0.12 130	0.09 28	0.11 141	0.09 221	0.09 197	0.06 55	0.07 206	0.09 70	0.07 9	0.04 11	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

aanet-new-10k	0.08 110	0.08 401	0.08 77	0.19 511	0.07 158	0.08 103	0.12 130	0.14 178	0.11 141	0.07 99	0.08 156	0.07 151	0.07 206	0.09 70	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

aanet-new-8k	0.08 110	0.07 263	0.08 77	0.19 511	0.07 158	0.09 169	0.12 130	0.16 268	0.15 291	0.07 99	0.07 87	0.06 55	0.06 77	0.10 144	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

aanet-new	0.08 110	0.09 488	0.10 227	0.18 428	0.08 258	0.10 240	0.12 130	0.15 224	0.12 184	0.08 163	0.08 156	0.05 5	0.07 206	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.06 334	0.04 88

GCAP-Stereo-DPT-5K	0.08 110	0.06 129	0.10 227	0.16 234	0.07 158	0.11 298	0.12 130	0.15 224	0.15 291	0.08 163	0.12 315	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.06 228	0.05 216	0.03 1	0.04 88

GCAP-Stereo-DPT-3K	0.08 110	0.07 263	0.10 227	0.16 234	0.07 158	0.09 169	0.12 130	0.15 224	0.14 263	0.08 163	0.11 292	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.03 1	0.04 88

Foundation-i1c-attn	0.08 110	0.05 45	0.07 28	0.14 73	0.05 2	0.09 169	0.12 130	0.12 102	0.10 108	0.09 221	0.10 237	0.10 305	0.07 206	0.07 8	0.10 240	0.06 191	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

Foundation-i1b	0.08 110	0.05 45	0.07 28	0.14 73	0.05 2	0.09 169	0.12 130	0.13 143	0.10 108	0.09 221	0.10 237	0.09 267	0.06 77	0.07 8	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

DepthFocus	0.08 110	0.04 1	0.15 488	0.12 7	0.09 394	0.07 47	0.12 130	0.10 45	0.05 6	0.09 221	0.05 7	0.07 151	0.04 1	0.08 33	0.08 40	0.06 191	0.05 304	0.07 347	0.07 430	0.05 194	0.04 88

Foundation-i32	0.06 1	0.04 1	0.09 154	0.13 23	0.04 1	0.06 16	0.12 130	0.06 2	0.05 6	0.06 39	0.05 7	0.05 5	0.05 16	0.07 8	0.09 126	0.06 191	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

Selective-IGEV-i32	0.07 7	0.06 129	0.08 77	0.17 325	0.06 45	0.08 103	0.12 130	0.13 143	0.07 30	0.08 163	0.07 87	0.06 55	0.04 1	0.10 144	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

GeoVLM	0.08 110	0.04 1	0.10 227	0.13 23	0.06 45	0.10 240	0.12 130	0.13 143	0.08 42	0.06 39	0.07 87	0.06 55	0.08 264	0.10 144	0.11 330	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.05 236

gcap_with_dpt	0.08 110	0.06 129	0.09 154	0.16 234	0.07 158	0.09 169	0.12 130	0.13 143	0.13 229	0.08 163	0.12 315	0.04 1	0.06 77	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.03 1	0.04 88

Pro-Stereo	0.07 7	0.05 45	0.08 77	0.15 133	0.07 158	0.08 103	0.12 130	0.07 8	0.07 30	0.06 39	0.06 30	0.05 5	0.05 16	0.09 70	0.08 40	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

DStereoRT	0.16 558	0.06 129	0.11 290	0.19 511	0.09 394	0.12 353	0.12 130	0.28 570	0.22 473	0.12 354	0.20 461	0.11 336	0.10 359	0.15 456	0.14 490	0.06 191	0.05 304	0.96 768	0.09 561	0.05 194	0.04 88

MatchStereo	0.07 7	0.04 1	0.08 77	0.14 73	0.06 45	0.05 5	0.12 130	0.12 102	0.09 76	0.07 99	0.06 30	0.04 1	0.04 1	0.08 33	0.09 126	0.06 191	0.05 304	0.05 63	0.03 1	0.04 54	0.04 88
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
MonSter++	0.08 110	0.04 1	0.10 227	0.13 23	0.06 45	0.09 169	0.12 130	0.13 143	0.08 42	0.06 39	0.07 87	0.06 55	0.08 264	0.10 144	0.11 330	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.04 88

HiDET	0.08 110	0.04 1	0.10 227	0.13 23	0.06 45	0.08 103	0.12 130	0.12 102	0.11 141	0.06 39	0.07 87	0.07 151	0.07 206	0.11 232	0.11 330	0.06 191	0.04 26	0.04 1	0.03 1	0.04 54	0.04 88

LCMNet	0.08 110	0.05 45	0.10 227	0.13 23	0.07 158	0.09 169	0.12 130	0.10 45	0.11 141	0.06 39	0.08 156	0.06 55	0.07 206	0.11 232	0.10 240	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.04 88

Zero-FE251	0.07 7	0.05 45	0.09 154	0.13 23	0.06 45	0.12 353	0.12 130	0.11 75	0.10 108	0.07 99	0.08 156	0.06 55	0.06 77	0.09 70	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

DA	0.08 110	0.07 263	0.07 28	0.19 511	0.08 258	0.09 169	0.12 130	0.13 143	0.12 184	0.08 163	0.10 237	0.10 305	0.08 264	0.09 70	0.10 240	0.05 55	0.04 26	0.06 228	0.04 72	0.05 194	0.03 2

GGEV	0.08 110	0.07 263	0.07 28	0.19 511	0.08 258	0.09 169	0.12 130	0.13 143	0.12 184	0.08 163	0.10 237	0.10 305	0.08 264	0.09 70	0.10 240	0.05 55	0.04 26	0.06 228	0.04 72	0.05 194	0.03 2

AdaDepth	0.07 7	0.06 129	0.07 28	0.18 428	0.06 45	0.11 298	0.12 130	0.09 28	0.07 30	0.06 39	0.05 7	0.07 151	0.06 77	0.09 70	0.10 240	0.04 11	0.05 304	0.05 63	0.04 72	0.04 54	0.04 88

GASTEREO	0.08 110	0.05 45	0.09 154	0.19 511	0.07 158	0.07 47	0.12 130	0.14 178	0.11 141	0.10 272	0.09 197	0.07 151	0.04 1	0.12 332	0.08 40	0.06 191	0.05 304	0.05 63	0.04 72	0.04 54	0.05 236

MSCF	0.08 110	0.05 45	0.08 77	0.19 511	0.08 258	0.06 16	0.12 130	0.14 178	0.11 141	0.10 272	0.09 197	0.07 151	0.04 1	0.11 232	0.08 40	0.06 191	0.05 304	0.05 63	0.04 72	0.05 194	0.05 236

DVStereo	0.09 207	0.05 45	0.08 77	0.15 133	0.06 45	0.11 298	0.12 130	0.14 178	0.16 333	0.11 309	0.11 292	0.09 267	0.09 311	0.11 232	0.10 240	0.06 191	0.05 304	0.05 63	0.04 72	0.03 1	0.03 2

2.5w	0.07 7	0.07 263	0.07 28	0.16 234	0.06 45	0.08 103	0.12 130	0.10 45	0.10 108	0.07 99	0.06 30	0.09 267	0.06 77	0.08 33	0.09 126	0.04 11	0.03 1	0.04 1	0.04 72	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 77	0.13 23	0.06 45	0.09 169	0.12 130	0.14 178	0.10 108	0.06 39	0.09 197	0.07 151	0.05 16	0.09 70	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

LG-Stereo_L2	0.07 7	0.05 45	0.10 227	0.14 73	0.06 45	0.07 47	0.12 130	0.09 28	0.09 76	0.06 39	0.04 1	0.05 5	0.05 16	0.08 33	0.08 40	0.05 55	0.04 26	0.05 63	0.03 1	0.04 54	0.03 2

SGD-Stereo	0.08 110	0.05 45	0.10 227	0.14 73	0.05 2	0.12 353	0.12 130	0.11 75	0.12 184	0.07 99	0.09 197	0.09 267	0.09 311	0.08 33	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.03 2

G2L-Stereo	0.14 487	0.07 263	0.13 398	0.17 325	0.09 394	0.13 411	0.12 130	0.27 549	0.22 473	0.16 473	0.27 574	0.21 535	0.13 472	0.17 526	0.18 575	0.09 537	0.08 581	0.08 448	0.07 430	0.07 422	0.07 441

ISRNet	0.18 594	0.08 401	0.19 595	0.19 511	0.13 625	0.15 475	0.12 130	0.30 601	0.32 595	0.21 580	0.25 548	0.27 609	0.17 567	0.17 526	0.20 595	0.20 720	0.08 581	0.14 669	0.14 674	0.14 671	0.17 709

DEFOM-Stereo_RVC	0.08 110	0.06 129	0.09 154	0.22 637	0.06 45	0.08 103	0.12 130	0.10 45	0.10 108	0.07 99	0.07 87	0.06 55	0.05 16	0.11 232	0.09 126	0.06 191	0.04 26	0.05 63	0.03 1	0.06 334	0.04 88

castereo++	0.08 110	0.05 45	0.08 77	0.15 133	0.05 2	0.14 448	0.12 130	0.11 75	0.15 291	0.07 99	0.07 87	0.07 151	0.06 77	0.08 33	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

IGEV-RUCA	0.08 110	0.06 129	0.11 290	0.14 73	0.09 394	0.10 240	0.12 130	0.10 45	0.12 184	0.06 39	0.07 87	0.07 151	0.06 77	0.09 70	0.08 40	0.06 191	0.05 304	0.05 63	0.04 72	0.05 194	0.06 351

ACV-stereo	0.15 533	0.10 551	0.28 656	0.18 428	0.12 602	0.14 448	0.12 130	0.23 465	0.21 459	0.19 541	0.23 506	0.22 553	0.15 515	0.23 635	0.17 557	0.07 382	0.06 469	0.07 347	0.07 430	0.07 422	0.07 441

AIO-Stereo	0.08 110	0.06 129	0.09 154	0.18 428	0.06 45	0.08 103	0.12 130	0.15 224	0.09 76	0.08 163	0.08 156	0.07 151	0.05 16	0.11 232	0.08 40	0.05 55	0.05 304	0.05 63	0.04 72	0.04 54	0.04 88

RSM++	0.08 110	0.06 129	0.09 154	0.17 325	0.07 158	0.09 169	0.12 130	0.11 75	0.11 141	0.08 163	0.06 30	0.07 151	0.05 16	0.10 144	0.09 126	0.04 11	0.04 26	0.06 228	0.05 216	0.05 194	0.03 2

RSM	0.08 110	0.06 129	0.09 154	0.17 325	0.06 45	0.08 103	0.12 130	0.12 102	0.10 108	0.08 163	0.07 87	0.06 55	0.05 16	0.11 232	0.09 126	0.04 11	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

gcap-zeroshot	0.08 110	0.06 129	0.10 227	0.15 133	0.07 158	0.11 298	0.12 130	0.15 224	0.15 291	0.08 163	0.12 315	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.06 228	0.05 216	0.03 1	0.04 88

test_for_model	0.08 110	0.06 129	0.10 227	0.16 234	0.07 158	0.11 298	0.12 130	0.15 224	0.15 291	0.08 163	0.12 315	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.06 228	0.05 216	0.03 1	0.04 88

MIM_Stereo	0.09 207	0.07 263	0.11 290	0.15 133	0.07 158	0.06 16	0.12 130	0.20 387	0.14 263	0.13 389	0.13 335	0.09 267	0.05 16	0.12 332	0.08 40	0.05 55	0.06 469	0.07 347	0.06 326	0.06 334	0.05 236

testlalala	0.08 110	0.06 129	0.10 227	0.15 133	0.07 158	0.11 298	0.12 130	0.15 224	0.15 291	0.08 163	0.12 315	0.05 5	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.06 228	0.05 216	0.03 1	0.04 88

Selective-IGEV	0.07 7	0.06 129	0.08 77	0.17 325	0.06 45	0.08 103	0.12 130	0.13 143	0.07 30	0.08 163	0.07 87	0.06 55	0.04 1	0.10 144	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

EGLCR-Stereo	0.08 110	0.05 45	0.08 77	0.14 73	0.06 45	0.10 240	0.12 130	0.11 75	0.16 333	0.06 39	0.05 7	0.07 151	0.05 16	0.10 144	0.11 330	0.06 191	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

iRaft-Stereo_5w	0.12 422	0.09 488	0.12 340	0.19 511	0.08 258	0.09 169	0.12 130	0.21 414	0.21 459	0.19 541	0.14 351	0.11 336	0.09 311	0.20 593	0.16 541	0.05 55	0.05 304	0.07 347	0.06 326	0.05 194	0.06 351

PFNet+	0.11 342	0.06 129	0.13 398	0.16 234	0.09 394	0.05 5	0.12 130	0.17 308	0.21 459	0.16 473	0.19 448	0.14 414	0.10 359	0.11 232	0.11 330	0.08 468	0.05 304	0.09 538	0.08 513	0.06 334	0.11 623

OMP-Stereo	0.11 342	0.06 129	0.14 439	0.18 428	0.08 258	0.09 169	0.12 130	0.21 414	0.21 459	0.13 389	0.14 351	0.11 336	0.12 430	0.11 232	0.13 447	0.06 191	0.04 26	0.07 347	0.06 326	0.05 194	0.04 88

IIG-Stereo	0.11 342	0.06 129	0.13 398	0.17 325	0.08 258	0.11 298	0.12 130	0.22 441	0.17 364	0.14 417	0.17 409	0.11 336	0.12 430	0.12 332	0.12 400	0.06 191	0.05 304	0.07 347	0.06 326	0.05 194	0.04 88

PSM-adaLoss	0.11 342	0.09 488	0.16 525	0.18 428	0.08 258	0.06 16	0.12 130	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

ROB_FTStereo_v2	0.11 342	0.09 488	0.16 525	0.19 511	0.08 258	0.06 16	0.12 130	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

HUI-Stereo	0.11 342	0.09 488	0.16 525	0.18 428	0.08 258	0.06 16	0.12 130	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

SST-Stereo	0.10 288	0.07 263	0.15 488	0.18 428	0.09 394	0.06 16	0.12 130	0.17 308	0.11 141	0.15 444	0.17 409	0.13 391	0.12 430	0.10 144	0.11 330	0.06 191	0.04 26	0.09 538	0.06 326	0.06 334	0.05 236

Pruner-Stereo	0.11 342	0.07 263	0.12 340	0.17 325	0.09 394	0.06 16	0.12 130	0.17 308	0.17 364	0.13 389	0.19 448	0.13 391	0.09 311	0.11 232	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.08 514

DeepStereo_RVC	0.11 342	0.08 401	0.16 525	0.18 428	0.08 258	0.08 103	0.12 130	0.17 308	0.12 184	0.13 389	0.14 351	0.12 358	0.12 430	0.12 332	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.07 422	0.08 514

iGMRVC	0.11 342	0.09 488	0.16 525	0.19 511	0.08 258	0.06 16	0.12 130	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

RAFT-RH_RVC	0.11 342	0.06 129	0.14 439	0.16 234	0.09 394	0.12 353	0.12 130	0.17 308	0.12 184	0.13 389	0.41 683	0.11 336	0.10 359	0.13 390	0.12 400	0.05 55	0.04 26	0.08 448	0.05 216	0.04 54	0.06 351

RAFT-345	0.11 342	0.07 263	0.15 488	0.16 234	0.08 258	0.08 103	0.12 130	0.15 224	0.10 108	0.11 309	0.36 646	0.09 267	0.09 311	0.11 232	0.12 400	0.05 55	0.05 304	0.07 347	0.06 326	0.04 54	0.05 236

CRE-IMP	0.11 342	0.09 488	0.16 525	0.19 511	0.08 258	0.10 240	0.12 130	0.18 343	0.10 108	0.14 417	0.13 335	0.13 391	0.12 430	0.12 332	0.11 330	0.07 382	0.04 26	0.08 448	0.06 326	0.08 496	0.08 514

RAFT-IKP	0.11 342	0.09 488	0.16 525	0.19 511	0.08 258	0.06 16	0.12 130	0.16 268	0.13 229	0.15 444	0.16 385	0.14 414	0.12 430	0.11 232	0.10 240	0.06 191	0.04 26	0.08 448	0.06 326	0.08 496	0.07 441

CREStereo++_RVC	0.08 110	0.04 1	0.06 13	0.13 23	0.07 158	0.09 169	0.12 130	0.14 178	0.14 263	0.10 272	0.14 351	0.08 221	0.07 206	0.09 70	0.11 330	0.06 191	0.04 26	0.05 63	0.05 216	0.04 54	0.04 88
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
XX-Stereo	0.09 207	0.05 45	0.08 77	0.17 325	0.09 394	0.15 475	0.12 130	0.20 387	0.10 108	0.10 272	0.14 351	0.07 151	0.06 77	0.12 332	0.08 40	0.06 191	0.05 304	0.06 228	0.06 326	0.04 54	0.04 88

iResNetv2_ROB	0.14 487	0.08 401	0.15 488	0.16 234	0.08 258	0.16 507	0.12 130	0.25 508	0.35 624	0.21 580	0.29 600	0.24 577	0.13 472	0.14 428	0.14 490	0.06 191	0.05 304	0.06 228	0.04 72	0.09 561	0.08 514

NOSS_ROB	0.19 606	0.12 597	0.18 583	0.16 234	0.12 602	0.15 475	0.12 130	0.30 601	0.32 595	0.20 564	0.22 497	0.27 609	0.23 634	0.21 611	0.16 541	0.16 699	0.18 721	0.23 718	0.21 719	0.12 635	0.13 661

NoBS	0.07 7	0.07 263	0.08 77	0.17 325	0.07 158	0.07 47	0.13 210	0.05 1	0.07 30	0.06 39	0.09 197	0.05 5	0.04 1	0.05 1	0.09 126	0.05 55	0.05 304	0.08 448	0.06 326	0.05 194	0.04 88

GEAR-Net	0.08 110	0.06 129	0.08 77	0.18 428	0.07 158	0.09 169	0.13 210	0.10 45	0.09 76	0.08 163	0.08 156	0.06 55	0.06 77	0.13 390	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

FAST (zero-shot)	0.09 207	0.06 129	0.11 290	0.19 511	0.13 625	0.07 47	0.13 210	0.12 102	0.08 42	0.08 163	0.06 30	0.08 221	0.07 206	0.10 144	0.10 240	0.07 382	0.06 469	0.06 228	0.07 430	0.05 194	0.08 514

DNSM	0.09 207	0.05 45	0.07 28	0.14 73	0.06 45	0.07 47	0.13 210	0.12 102	0.11 141	0.09 221	0.09 197	0.08 221	0.05 16	0.18 551	0.14 490	0.07 382	0.05 304	0.05 63	0.04 72	0.13 655	0.10 595

DF_test	0.07 7	0.05 45	0.08 77	0.14 73	0.08 258	0.04 1	0.13 210	0.08 14	0.11 141	0.07 99	0.08 156	0.06 55	0.07 206	0.06 2	0.08 40	0.06 191	0.05 304	0.05 63	0.05 216	0.05 194	0.04 88

small-0shot	0.07 7	0.05 45	0.08 77	0.14 73	0.07 158	0.06 16	0.13 210	0.09 28	0.08 42	0.05 2	0.10 237	0.06 55	0.06 77	0.06 2	0.10 240	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

anonymous	0.08 110	0.05 45	0.12 340	0.16 234	0.08 258	0.05 5	0.13 210	0.10 45	0.14 263	0.07 99	0.07 87	0.06 55	0.04 1	0.07 8	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

testmc14	0.07 7	0.05 45	0.06 13	0.15 133	0.05 2	0.09 169	0.13 210	0.08 14	0.08 42	0.07 99	0.09 197	0.06 55	0.05 16	0.07 8	0.07 9	0.06 191	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

SME	0.11 342	0.09 488	0.10 227	0.17 325	0.07 158	0.20 591	0.13 210	0.21 414	0.17 364	0.12 354	0.13 335	0.10 305	0.12 430	0.13 390	0.13 447	0.07 382	0.07 547	0.08 448	0.09 561	0.06 334	0.05 236

MCSU-Stereo	0.07 7	0.05 45	0.06 13	0.15 133	0.05 2	0.09 169	0.13 210	0.10 45	0.09 76	0.07 99	0.07 87	0.07 151	0.05 16	0.09 70	0.07 9	0.06 191	0.04 26	0.04 1	0.03 1	0.04 54	0.03 2

TS12	0.08 110	0.06 129	0.09 154	0.21 617	0.07 158	0.11 298	0.13 210	0.11 75	0.09 76	0.10 272	0.10 237	0.08 221	0.10 359	0.09 70	0.12 400	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.04 88

DF	0.08 110	0.05 45	0.09 154	0.15 133	0.06 45	0.11 298	0.13 210	0.10 45	0.12 184	0.09 221	0.10 237	0.10 305	0.08 264	0.11 232	0.09 126	0.07 382	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

LiteMatch*	0.08 110	0.04 1	0.11 290	0.13 23	0.08 258	0.08 103	0.13 210	0.14 178	0.09 76	0.05 2	0.05 7	0.05 5	0.09 311	0.11 232	0.10 240	0.06 191	0.05 304	0.05 63	0.04 72	0.05 194	0.05 236

aanet-new-40k	0.07 7	0.08 401	0.07 28	0.17 325	0.07 158	0.08 103	0.13 210	0.10 45	0.10 108	0.07 99	0.08 156	0.06 55	0.05 16	0.08 33	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

aanet-new-36k	0.08 110	0.06 129	0.09 154	0.17 325	0.06 45	0.09 169	0.13 210	0.11 75	0.13 229	0.08 163	0.08 156	0.06 55	0.05 16	0.09 70	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

aanet-new-34k	0.08 110	0.06 129	0.09 154	0.17 325	0.05 2	0.07 47	0.13 210	0.12 102	0.12 184	0.09 221	0.08 156	0.07 151	0.05 16	0.10 144	0.09 126	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

aanet-new-12k	0.08 110	0.09 488	0.07 28	0.20 582	0.08 258	0.08 103	0.13 210	0.12 102	0.13 229	0.08 163	0.08 156	0.05 5	0.07 206	0.09 70	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.06 334	0.04 88

GCAP-Stereo-DPT-36K	0.08 110	0.06 129	0.15 488	0.14 73	0.06 45	0.08 103	0.13 210	0.13 143	0.11 141	0.07 99	0.08 156	0.07 151	0.06 77	0.09 70	0.08 40	0.05 55	0.05 304	0.05 63	0.04 72	0.03 1	0.04 88

GCAP-Stereo-DPT-20K	0.07 7	0.05 45	0.11 290	0.15 133	0.06 45	0.07 47	0.13 210	0.09 28	0.11 141	0.07 99	0.08 156	0.06 55	0.05 16	0.09 70	0.07 9	0.05 55	0.05 304	0.05 63	0.04 72	0.03 1	0.04 88

GCAP-Stereo-DPT-2K	0.08 110	0.06 129	0.10 227	0.16 234	0.07 158	0.11 298	0.13 210	0.14 178	0.14 263	0.08 163	0.13 335	0.05 5	0.06 77	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.03 1	0.04 88

GCAP-Stereo-DPT-50K	0.08 110	0.06 129	0.17 557	0.15 133	0.06 45	0.06 16	0.13 210	0.13 143	0.13 229	0.07 99	0.07 87	0.06 55	0.05 16	0.08 33	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

Foundation-i1a	0.08 110	0.05 45	0.07 28	0.13 23	0.05 2	0.13 411	0.13 210	0.12 102	0.09 76	0.11 309	0.11 292	0.11 336	0.06 77	0.08 33	0.09 126	0.06 191	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

Foundation-i1	0.09 207	0.04 1	0.10 227	0.14 73	0.06 45	0.10 240	0.13 210	0.16 268	0.14 263	0.10 272	0.10 237	0.11 336	0.07 206	0.07 8	0.10 240	0.06 191	0.04 26	0.05 63	0.05 216	0.05 194	0.05 236

Hybrid-DGEV-2	0.11 342	0.06 129	0.12 340	0.18 428	0.09 394	0.09 169	0.13 210	0.28 570	0.29 570	0.11 309	0.11 292	0.09 267	0.12 430	0.12 332	0.09 126	0.06 191	0.05 304	0.07 347	0.07 430	0.05 194	0.05 236

CSFM-Stereo	0.07 7	0.05 45	0.07 28	0.14 73	0.06 45	0.09 169	0.13 210	0.15 224	0.06 12	0.07 99	0.08 156	0.06 55	0.08 264	0.09 70	0.09 126	0.06 191	0.05 304	0.04 1	0.03 1	0.04 54	0.04 88

DLNR-FE	10.43 787	1.83 773	19.53 805	120.75 811	13.06 794	0.06 16	0.13 210	0.23 465	0.10 108	0.07 99	0.10 237	0.09 267	0.06 77	0.10 144	0.09 126	0.13 665	0.04 26	0.06 228	0.04 72	52.01 813	0.04 88

Select-FE	0.11 342	0.06 129	0.20 607	0.15 133	0.11 565	0.11 298	0.13 210	0.21 414	0.18 398	0.09 221	0.11 292	0.10 305	0.06 77	0.12 332	0.09 126	0.07 382	0.05 304	0.07 347	0.08 513	0.06 334	0.08 514

IGEV-FE	0.09 207	0.05 45	0.12 340	0.13 23	0.08 258	0.12 353	0.13 210	0.17 308	0.11 141	0.10 272	0.06 30	0.09 267	0.06 77	0.11 232	0.09 126	0.06 191	0.04 26	0.06 228	0.06 326	0.05 194	0.05 236

DDF-Stereo	0.08 110	0.04 1	0.09 154	0.15 133	0.10 510	0.06 16	0.13 210	0.09 28	0.14 263	0.06 39	0.06 30	0.07 151	0.06 77	0.09 70	0.10 240	0.06 191	0.04 26	0.06 228	0.04 72	0.08 496	0.05 236

water-stereo	0.09 207	0.06 129	0.08 77	0.16 234	0.07 158	0.09 169	0.13 210	0.15 224	0.13 229	0.11 309	0.12 315	0.08 221	0.09 311	0.07 8	0.08 40	0.06 191	0.05 304	0.05 63	0.05 216	0.04 54	0.04 88

depthmonostereo	0.09 207	0.06 129	0.09 154	0.15 133	0.06 45	0.10 240	0.13 210	0.14 178	0.14 263	0.10 272	0.10 237	0.09 267	0.11 397	0.08 33	0.09 126	0.06 191	0.05 304	0.06 228	0.04 72	0.04 54	0.03 2

LG-Stereo_L1	0.07 7	0.05 45	0.11 290	0.14 73	0.06 45	0.07 47	0.13 210	0.09 28	0.07 30	0.05 2	0.04 1	0.05 5	0.04 1	0.08 33	0.07 9	0.05 55	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

DFGA-Net	0.13 450	0.11 579	0.18 583	0.17 325	0.10 510	0.12 353	0.13 210	0.22 441	0.25 524	0.16 473	0.16 385	0.13 391	0.12 430	0.16 491	0.14 490	0.07 382	0.05 304	0.08 448	0.07 430	0.05 194	0.05 236

LG-Stereo_Zeroshot	0.07 7	0.06 129	0.10 227	0.16 234	0.07 158	0.04 1	0.13 210	0.10 45	0.10 108	0.05 2	0.11 292	0.07 151	0.05 16	0.07 8	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

SCV	0.08 110	0.09 488	0.08 77	0.15 133	0.08 258	0.10 240	0.13 210	0.10 45	0.12 184	0.07 99	0.07 87	0.06 55	0.04 1	0.09 70	0.08 40	0.05 55	0.04 26	0.06 228	0.04 72	0.06 334	0.04 88

FoundationStereo	0.06 1	0.04 1	0.08 77	0.12 7	0.05 2	0.09 169	0.13 210	0.06 2	0.09 76	0.05 2	0.05 7	0.06 55	0.04 1	0.06 2	0.07 9	0.06 191	0.04 26	0.05 63	0.03 1	0.05 194	0.04 88

HUF	0.08 110	0.05 45	0.08 77	0.14 73	0.06 45	0.09 169	0.13 210	0.13 143	0.13 229	0.07 99	0.07 87	0.08 221	0.06 77	0.10 144	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

AIO-test1	0.10 288	0.07 263	0.10 227	0.23 661	0.07 158	0.09 169	0.13 210	0.21 414	0.14 263	0.11 309	0.12 315	0.09 267	0.07 206	0.11 232	0.09 126	0.06 191	0.05 304	0.09 538	0.10 603	0.03 1	0.06 351

GIP-stereo	0.08 110	0.06 129	0.11 290	0.14 73	0.06 45	0.09 169	0.13 210	0.14 178	0.11 141	0.07 99	0.08 156	0.05 5	0.04 1	0.10 144	0.07 9	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

DEFOM-Stereo	0.07 7	0.05 45	0.07 28	0.14 73	0.06 45	0.10 240	0.13 210	0.07 8	0.13 229	0.06 39	0.07 87	0.06 55	0.05 16	0.10 144	0.09 126	0.04 11	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

dual_stereo	0.07 7	0.04 1	0.08 77	0.15 133	0.05 2	0.05 5	0.13 210	0.12 102	0.08 42	0.07 99	0.06 30	0.05 5	0.05 16	0.07 8	0.09 126	0.06 191	0.04 26	0.05 63	0.03 1	0.04 54	0.04 88

UGAM-zero	0.09 207	0.05 45	0.15 488	0.15 133	0.08 258	0.09 169	0.13 210	0.19 374	0.15 291	0.11 309	0.15 372	0.07 151	0.07 206	0.09 70	0.09 126	0.06 191	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351

U	0.08 110	0.07 263	0.09 154	0.19 511	0.10 510	0.10 240	0.13 210	0.12 102	0.17 364	0.07 99	0.07 87	0.06 55	0.05 16	0.07 8	0.08 40	0.06 191	0.04 26	0.06 228	0.04 72	0.06 334	0.05 236

WCG-NET（raft）	0.08 110	0.05 45	0.10 227	0.15 133	0.06 45	0.11 298	0.13 210	0.15 224	0.12 184	0.08 163	0.07 87	0.06 55	0.06 77	0.13 390	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

DualNet (step1)	0.16 558	0.12 597	0.20 607	0.12 7	0.14 647	0.17 531	0.13 210	0.27 549	0.23 485	0.20 564	0.20 461	0.24 577	0.19 600	0.16 491	0.16 541	0.15 683	0.06 469	0.14 669	0.14 674	0.14 671	0.12 638

test_sample9	0.18 594	0.12 597	0.20 607	0.12 7	0.14 647	0.17 531	0.13 210	0.27 549	0.23 485	0.20 564	0.20 461	0.24 577	0.19 600	0.19 568	0.17 557	0.15 683	0.30 748	0.14 669	0.14 674	0.14 671	0.12 638

test_sample8	0.19 606	0.12 597	0.20 607	0.12 7	0.14 647	0.17 531	0.13 210	0.31 614	0.21 459	0.27 644	0.22 497	0.36 677	0.25 649	0.19 568	0.17 557	0.15 683	0.30 748	0.14 669	0.14 674	0.14 671	0.12 638

GCAPDPT-zeroshot4090	0.07 7	0.05 45	0.11 290	0.15 133	0.06 45	0.07 47	0.13 210	0.09 28	0.11 141	0.07 99	0.08 156	0.06 55	0.05 16	0.09 70	0.07 9	0.05 55	0.05 304	0.05 63	0.04 72	0.03 1	0.04 88

IGEV++	0.08 110	0.06 129	0.08 77	0.18 428	0.07 158	0.09 169	0.13 210	0.10 45	0.09 76	0.08 163	0.08 156	0.06 55	0.06 77	0.13 390	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

GMStereo_Zeroshot	0.16 558	0.13 625	0.24 636	0.20 582	0.10 510	0.17 531	0.13 210	0.29 586	0.25 524	0.23 609	0.32 621	0.25 591	0.11 397	0.19 568	0.14 490	0.09 537	0.06 469	0.11 620	0.06 326	0.12 635	0.08 514

IGEV_Zeroshot_test	0.09 207	0.05 45	0.12 340	0.13 23	0.08 258	0.12 353	0.13 210	0.17 308	0.11 141	0.10 272	0.06 30	0.09 267	0.06 77	0.11 232	0.09 126	0.06 191	0.04 26	0.06 228	0.06 326	0.05 194	0.05 236

MSKI-zero shot	0.09 207	0.05 45	0.09 154	0.15 133	0.07 158	0.10 240	0.13 210	0.14 178	0.13 229	0.09 221	0.09 197	0.09 267	0.06 77	0.12 332	0.10 240	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

DLNR_Zeroshot_test	10.40 786	1.82 772	19.49 804	120.77 812	13.11 795	0.06 16	0.13 210	0.23 465	0.10 108	0.07 99	0.10 237	0.09 267	0.06 77	0.10 144	0.09 126	0.13 665	0.04 26	0.06 228	0.04 72	51.54 812	0.04 88

SQANet	0.23 657	0.23 704	0.30 667	0.30 717	0.19 708	0.27 673	0.13 210	0.29 586	0.33 603	0.24 619	0.37 652	0.31 651	0.22 626	0.27 657	0.23 636	0.15 683	0.10 640	0.21 711	0.16 698	0.21 715	0.15 687

AEACV	0.08 110	0.05 45	0.08 77	0.14 73	0.13 625	0.14 448	0.13 210	0.14 178	0.09 76	0.07 99	0.09 197	0.07 151	0.08 264	0.10 144	0.09 126	0.06 191	0.04 26	0.06 228	0.05 216	0.05 194	0.04 88

CAS	0.08 110	0.04 1	0.07 28	0.17 325	0.08 258	0.10 240	0.13 210	0.12 102	0.09 76	0.09 221	0.10 237	0.08 221	0.06 77	0.09 70	0.08 40	0.08 468	0.04 26	0.05 63	0.03 1	0.05 194	0.04 88

Selective-RAFT	0.11 342	0.10 551	0.11 290	0.21 617	0.08 258	0.16 507	0.13 210	0.20 387	0.22 473	0.10 272	0.10 237	0.11 336	0.10 359	0.15 456	0.11 330	0.05 55	0.05 304	0.06 228	0.05 216	0.06 334	0.05 236

RCA-Stereo	0.09 207	0.06 129	0.09 154	0.16 234	0.06 45	0.09 169	0.13 210	0.18 343	0.14 263	0.09 221	0.10 237	0.08 221	0.07 206	0.12 332	0.11 330	0.06 191	0.04 26	0.06 228	0.05 216	0.05 194	0.04 88

HBP-ISP	0.18 594	0.13 625	0.16 525	0.15 133	0.11 565	0.08 103	0.13 210	0.28 570	0.29 570	0.22 596	0.33 634	0.21 535	0.25 649	0.23 635	0.17 557	0.14 679	0.16 713	0.21 711	0.17 705	0.10 594	0.08 514

DisPM	0.11 342	0.07 263	0.12 340	0.16 234	0.09 394	0.06 16	0.13 210	0.17 308	0.17 364	0.14 417	0.20 461	0.12 358	0.10 359	0.11 232	0.10 240	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.11 623

GLC_STEREO	0.11 342	0.07 263	0.11 290	0.17 325	0.07 158	0.09 169	0.13 210	0.15 224	0.24 502	0.12 354	0.13 335	0.12 358	0.08 264	0.18 551	0.11 330	0.06 191	0.08 581	0.08 448	0.06 326	0.05 194	0.05 236

TRStereo	0.09 207	0.05 45	0.12 340	0.15 133	0.12 602	0.10 240	0.13 210	0.18 343	0.18 398	0.09 221	0.09 197	0.09 267	0.06 77	0.10 144	0.08 40	0.07 382	0.05 304	0.07 347	0.07 430	0.04 54	0.04 88

HHNet	0.11 342	0.06 129	0.16 525	0.15 133	0.14 647	0.07 47	0.13 210	0.20 387	0.17 364	0.14 417	0.25 548	0.11 336	0.08 264	0.13 390	0.10 240	0.05 55	0.04 26	0.08 448	0.06 326	0.05 194	0.09 563

AAGNet	0.11 342	0.07 263	0.16 525	0.19 511	0.09 394	0.08 103	0.13 210	0.18 343	0.13 229	0.16 473	0.21 485	0.13 391	0.14 497	0.11 232	0.14 490	0.06 191	0.04 26	0.09 538	0.06 326	0.06 334	0.05 236

PSM-softLoss	0.12 422	0.07 263	0.15 488	0.17 325	0.09 394	0.08 103	0.13 210	0.24 489	0.17 364	0.14 417	0.19 448	0.13 391	0.11 397	0.11 232	0.11 330	0.07 382	0.05 304	0.08 448	0.07 430	0.06 334	0.12 638

KMStereo	0.12 422	0.07 263	0.15 488	0.17 325	0.09 394	0.08 103	0.13 210	0.24 489	0.17 364	0.14 417	0.19 448	0.13 391	0.11 397	0.11 232	0.11 330	0.07 382	0.05 304	0.08 448	0.07 430	0.06 334	0.12 638

RAFT_R40	0.11 342	0.07 263	0.14 439	0.18 428	0.09 394	0.06 16	0.13 210	0.17 308	0.16 333	0.14 417	0.18 437	0.15 445	0.12 430	0.10 144	0.11 330	0.06 191	0.04 26	0.09 538	0.06 326	0.06 334	0.05 236

AnonymousM	0.09 207	0.05 45	0.10 227	0.14 73	0.06 45	0.09 169	0.13 210	0.19 374	0.14 263	0.13 389	0.11 292	0.09 267	0.08 264	0.13 390	0.10 240	0.08 468	0.05 304	0.08 448	0.05 216	0.05 194	0.05 236

sAnonymous2	0.13 450	0.12 597	0.24 636	0.20 582	0.12 602	0.17 531	0.13 210	0.26 527	0.21 459	0.11 309	0.11 292	0.13 391	0.08 264	0.10 144	0.10 240	0.09 537	0.05 304	0.08 448	0.06 326	0.15 688	0.10 595

CroCo_RVC	0.13 450	0.12 597	0.24 636	0.20 582	0.12 602	0.17 531	0.13 210	0.26 527	0.21 459	0.11 309	0.11 292	0.13 391	0.08 264	0.10 144	0.10 240	0.09 537	0.05 304	0.08 448	0.06 326	0.15 688	0.10 595

GES	0.14 487	0.08 401	0.16 525	0.15 133	0.10 510	0.13 411	0.13 210	0.28 570	0.25 524	0.16 473	0.23 506	0.18 497	0.13 472	0.16 491	0.13 447	0.08 468	0.07 547	0.07 347	0.06 326	0.08 496	0.09 563

CCAANet	0.14 487	0.06 129	0.14 439	0.17 325	0.09 394	0.16 507	0.13 210	0.30 601	0.24 502	0.16 473	0.32 621	0.18 497	0.17 567	0.17 526	0.14 490	0.06 191	0.05 304	0.09 538	0.09 561	0.06 334	0.09 563

FADNet_RVC	0.16 558	0.14 638	0.40 695	0.20 582	0.11 565	0.13 411	0.13 210	0.26 527	0.22 473	0.21 580	0.23 506	0.20 525	0.17 567	0.14 428	0.16 541	0.08 468	0.08 581	0.12 640	0.09 561	0.11 617	0.10 595

FADNet	0.21 631	0.22 701	0.36 686	0.18 428	0.17 694	0.24 641	0.13 210	0.31 614	0.31 588	0.23 609	0.25 548	0.27 609	0.21 617	0.19 568	0.15 525	0.13 665	0.15 703	0.12 640	0.15 691	0.16 697	0.18 714

CBMV_ROB	0.19 606	0.13 625	0.17 557	0.16 234	0.11 565	0.15 475	0.13 210	0.26 527	0.28 563	0.27 644	0.30 608	0.27 609	0.24 640	0.23 635	0.16 541	0.15 683	0.17 719	0.22 716	0.20 716	0.10 594	0.11 623

PWC_ROB	0.21 631	0.16 656	0.26 644	0.18 428	0.11 565	0.22 620	0.13 210	0.32 625	0.49 699	0.30 673	0.40 672	0.32 660	0.24 640	0.31 679	0.22 624	0.10 582	0.07 547	0.11 620	0.08 513	0.11 617	0.10 595

GELT-Stereo	0.09 207	0.06 129	0.09 154	0.18 428	0.07 158	0.07 47	0.14 286	0.21 414	0.17 364	0.08 163	0.07 87	0.06 55	0.08 264	0.10 144	0.07 9	0.04 11	0.04 26	0.06 228	0.06 326	0.03 1	0.03 2

SMOE	0.10 288	0.08 401	0.09 154	0.18 428	0.07 158	0.13 411	0.14 286	0.18 343	0.13 229	0.11 309	0.13 335	0.12 358	0.09 311	0.11 232	0.11 330	0.05 55	0.05 304	0.08 448	0.06 326	0.06 334	0.04 88

PhaseNet	0.09 207	0.06 129	0.10 227	0.15 133	0.08 258	0.10 240	0.14 286	0.20 387	0.12 184	0.07 99	0.08 156	0.09 267	0.10 359	0.13 390	0.12 400	0.06 191	0.04 26	0.06 228	0.06 326	0.05 194	0.05 236

TestStereo_HL2	0.11 342	0.06 129	0.11 290	0.12 7	0.08 258	0.12 353	0.14 286	0.20 387	0.18 398	0.13 389	0.21 485	0.12 358	0.10 359	0.12 332	0.12 400	0.07 382	0.05 304	0.05 63	0.05 216	0.07 422	0.07 441

GGDA	0.11 342	0.06 129	0.11 290	0.13 23	0.07 158	0.12 353	0.14 286	0.19 374	0.19 418	0.13 389	0.20 461	0.12 358	0.09 311	0.12 332	0.12 400	0.07 382	0.04 26	0.05 63	0.05 216	0.06 334	0.07 441

TestStereo-Hl	0.11 342	0.06 129	0.11 290	0.13 23	0.08 258	0.15 475	0.14 286	0.20 387	0.17 364	0.13 389	0.16 385	0.12 358	0.11 397	0.14 428	0.13 447	0.06 191	0.04 26	0.05 63	0.05 216	0.06 334	0.06 351

quiztm	0.08 110	0.07 263	0.08 77	0.18 428	0.07 158	0.09 169	0.14 286	0.14 178	0.12 184	0.07 99	0.07 87	0.05 5	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.04 72	0.04 54	0.03 2

PointNet	0.07 7	0.06 129	0.07 28	0.15 133	0.07 158	0.08 103	0.14 286	0.11 75	0.08 42	0.05 2	0.07 87	0.08 221	0.08 264	0.09 70	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.03 1	0.04 88

GCAP-Stereo-cres-4k	0.08 110	0.07 263	0.08 77	0.18 428	0.07 158	0.11 298	0.14 286	0.12 102	0.11 141	0.07 99	0.11 292	0.07 151	0.06 77	0.09 70	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

GCAP-Stereo-DPT-cres	0.08 110	0.05 45	0.07 28	0.15 133	0.06 45	0.10 240	0.14 286	0.13 143	0.12 184	0.07 99	0.09 197	0.07 151	0.06 77	0.10 144	0.09 126	0.05 55	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

GCAP-Stereo-DPT-22K	0.08 110	0.06 129	0.07 28	0.17 325	0.06 45	0.07 47	0.14 286	0.13 143	0.16 333	0.05 2	0.10 237	0.06 55	0.06 77	0.08 33	0.08 40	0.04 11	0.04 26	0.05 63	0.04 72	0.03 1	0.04 88

GCAP-Stereo-DPT-25K	0.08 110	0.06 129	0.07 28	0.16 234	0.06 45	0.06 16	0.14 286	0.14 178	0.14 263	0.07 99	0.10 237	0.06 55	0.05 16	0.09 70	0.09 126	0.04 11	0.04 26	0.04 1	0.04 72	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 110	0.05 45	0.12 340	0.15 133	0.06 45	0.10 240	0.14 286	0.12 102	0.12 184	0.07 99	0.09 197	0.06 55	0.06 77	0.10 144	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

IGEV_i1	0.12 422	0.07 263	0.12 340	0.16 234	0.08 258	0.19 575	0.14 286	0.18 343	0.22 473	0.18 522	0.18 437	0.16 460	0.12 430	0.16 491	0.14 490	0.06 191	0.05 304	0.06 228	0.05 216	0.06 334	0.06 351

Hybrid-DGEV-03	0.10 288	0.06 129	0.09 154	0.18 428	0.08 258	0.16 507	0.14 286	0.15 224	0.14 263	0.13 389	0.16 385	0.12 358	0.09 311	0.13 390	0.11 330	0.06 191	0.04 26	0.08 448	0.06 326	0.05 194	0.04 88

BLMT-Stereo	0.07 7	0.04 1	0.08 77	0.15 133	0.07 158	0.06 16	0.14 286	0.07 8	0.10 108	0.05 2	0.05 7	0.04 1	0.06 77	0.07 8	0.09 126	0.04 11	0.04 26	0.05 63	0.05 216	0.04 54	0.04 88

GEAStereo	0.08 110	0.05 45	0.08 77	0.13 23	0.08 258	0.08 103	0.14 286	0.10 45	0.09 76	0.08 163	0.10 237	0.06 55	0.05 16	0.11 232	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.05 236

GSStereo	0.08 110	0.05 45	0.08 77	0.13 23	0.08 258	0.08 103	0.14 286	0.11 75	0.12 184	0.08 163	0.10 237	0.05 5	0.05 16	0.11 232	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.05 236

GS-Stereo							0.14 286	0.11 75	0.12 184	0.08 163	0.10 237	0.05 5	0.05 16	0.11 232	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.05 236

gasm-f	0.08 110	0.05 45	0.07 28	0.13 23	0.08 258	0.08 103	0.14 286	0.10 45	0.09 76	0.08 163	0.10 237	0.06 55	0.05 16	0.10 144	0.08 40	0.06 191	0.04 26	0.05 63	0.04 72	0.06 334	0.05 236

zero-FE	0.08 110	0.04 1	0.09 154	0.15 133	0.10 510	0.05 5	0.14 286	0.09 28	0.14 263	0.07 99	0.06 30	0.07 151	0.06 77	0.09 70	0.10 240	0.06 191	0.04 26	0.06 228	0.04 72	0.08 496	0.05 236

FlowAnything_test	0.11 342	0.08 401	0.14 439	0.15 133	0.09 394	0.07 47	0.14 286	0.20 387	0.11 141	0.09 221	0.09 197	0.12 358	0.12 430	0.13 390	0.11 330	0.09 537	0.06 469	0.09 538	0.09 561	0.06 334	0.09 563

GREAT-IGEV	0.07 7	0.06 129	0.08 77	0.13 23	0.07 158	0.07 47	0.14 286	0.09 28	0.09 76	0.06 39	0.07 87	0.06 55	0.05 16	0.10 144	0.07 9	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
FLISNet	0.11 342	0.06 129	0.11 290	0.13 23	0.09 394	0.09 169	0.14 286	0.21 414	0.10 108	0.19 541	0.17 409	0.14 414	0.09 311	0.16 491	0.08 40	0.05 55	0.04 26	0.07 347	0.08 513	0.07 422	0.06 351

CoSv	0.11 342	0.06 129	0.11 290	0.13 23	0.09 394	0.09 169	0.14 286	0.21 414	0.10 108	0.19 541	0.17 409	0.14 414	0.09 311	0.16 491	0.08 40	0.05 55	0.04 26	0.07 347	0.08 513	0.07 422	0.06 351

AIO_rvc	0.07 7	0.06 129	0.08 77	0.15 133	0.06 45	0.08 103	0.14 286	0.09 28	0.08 42	0.07 99	0.08 156	0.07 151	0.04 1	0.10 144	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

AIO_test	0.07 7	0.05 45	0.07 28	0.15 133	0.07 158	0.06 16	0.14 286	0.10 45	0.10 108	0.07 99	0.07 87	0.06 55	0.05 16	0.08 33	0.10 240	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

SMoEStereo_RVC	0.08 110	0.06 129	0.12 340	0.16 234	0.07 158	0.09 169	0.14 286	0.11 75	0.13 229	0.09 221	0.07 87	0.07 151	0.07 206	0.12 332	0.10 240	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

999	0.09 207	0.05 45	0.13 398	0.15 133	0.08 258	0.10 240	0.14 286	0.15 224	0.11 141	0.10 272	0.08 156	0.08 221	0.08 264	0.16 491	0.10 240	0.06 191	0.04 26	0.06 228	0.05 216	0.04 54	0.05 236

DDVS	0.15 533	0.10 551	0.21 617	0.16 234	0.12 602	0.15 475	0.14 286	0.25 508	0.19 418	0.18 522	0.29 600	0.27 609	0.12 430	0.19 568	0.15 525	0.09 537	0.06 469	0.09 538	0.07 430	0.11 617	0.11 623

rvit_stereo_0081_aga	0.11 342	0.09 488	0.14 439	0.18 428	0.09 394	0.13 411	0.14 286	0.14 178	0.19 418	0.10 272	0.18 437	0.16 460	0.09 311	0.12 332	0.09 126	0.10 582	0.06 469	0.08 448	0.07 430	0.07 422	0.06 351

WCG-NET	0.08 110	0.05 45	0.09 154	0.15 133	0.06 45	0.11 298	0.14 286	0.13 143	0.13 229	0.06 39	0.09 197	0.07 151	0.06 77	0.13 390	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

rvit_stereo_0081	0.11 342	0.08 401	0.15 488	0.16 234	0.09 394	0.10 240	0.14 286	0.14 178	0.24 502	0.11 309	0.13 335	0.13 391	0.09 311	0.11 232	0.12 400	0.10 582	0.07 547	0.08 448	0.07 430	0.07 422	0.05 236

model_zeroshot	0.10 288	0.04 1	0.11 290	0.15 133	0.09 394	0.12 353	0.14 286	0.20 387	0.13 229	0.11 309	0.10 237	0.12 358	0.07 206	0.12 332	0.10 240	0.07 382	0.06 469	0.06 228	0.05 216	0.06 334	0.06 351

GCAP-BAT	0.09 207	0.05 45	0.11 290	0.13 23	0.07 158	0.11 298	0.14 286	0.14 178	0.16 333	0.07 99	0.10 237	0.08 221	0.06 77	0.13 390	0.08 40	0.07 382	0.05 304	0.05 63	0.05 216	0.04 54	0.04 88

ITSA-stereo	0.15 533	0.10 551	0.14 439	0.19 511	0.08 258	0.12 353	0.14 286	0.30 601	0.49 699	0.17 492	0.19 448	0.22 553	0.15 515	0.17 526	0.16 541	0.10 582	0.06 469	0.08 448	0.08 513	0.08 496	0.08 514

rvit_stereo_0082	0.11 342	0.08 401	0.15 488	0.16 234	0.09 394	0.10 240	0.14 286	0.14 178	0.24 502	0.11 309	0.13 335	0.13 391	0.09 311	0.11 232	0.12 400	0.10 582	0.07 547	0.08 448	0.07 430	0.07 422	0.05 236

Occ-G	0.08 110	0.05 45	0.06 13	0.14 73	0.07 158	0.08 103	0.14 286	0.13 143	0.15 291	0.07 99	0.11 292	0.07 151	0.05 16	0.09 70	0.10 240	0.06 191	0.05 304	0.05 63	0.04 72	0.05 194	0.05 236

IGEV-BASED-STEREO-	0.09 207	0.10 551	0.31 669	0.15 133	0.06 45	0.08 103	0.14 286	0.10 45	0.10 108	0.07 99	0.07 87	0.06 55	0.04 1	0.11 232	0.07 9	0.12 639	0.04 26	0.07 347	0.05 216	0.05 194	0.05 236

RAFT-Stereo-weight	0.09 207	0.06 129	0.10 227	0.16 234	0.07 158	0.09 169	0.14 286	0.19 374	0.16 333	0.11 309	0.10 237	0.08 221	0.06 77	0.10 144	0.11 330	0.06 191	0.04 26	0.06 228	0.04 72	0.04 54	0.04 88

CAS++	0.11 342	0.07 263	0.11 290	0.14 73	0.09 394	0.12 353	0.14 286	0.24 489	0.14 263	0.11 309	0.09 197	0.11 336	0.07 206	0.14 428	0.09 126	0.11 614	0.09 618	0.09 538	0.07 430	0.07 422	0.08 514
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MoCha-V2	0.08 110	0.05 45	0.10 227	0.20 582	0.07 158	0.09 169	0.14 286	0.11 75	0.08 42	0.07 99	0.08 156	0.07 151	0.06 77	0.09 70	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

MyStereo8	0.12 422	0.07 263	0.15 488	0.15 133	0.09 394	0.18 550	0.14 286	0.19 374	0.22 473	0.12 354	0.18 437	0.11 336	0.10 359	0.16 491	0.18 575	0.07 382	0.05 304	0.07 347	0.05 216	0.08 496	0.09 563

EKT-Stereo	0.11 342	0.07 263	0.14 439	0.15 133	0.10 510	0.13 411	0.14 286	0.18 343	0.21 459	0.11 309	0.08 156	0.12 358	0.09 311	0.11 232	0.12 400	0.08 468	0.06 469	0.07 347	0.06 326	0.08 496	0.07 441

PCWNet_CMD	0.14 487	0.08 401	0.15 488	0.17 325	0.09 394	0.14 448	0.14 286	0.29 586	0.36 629	0.14 417	0.20 461	0.21 535	0.12 430	0.17 526	0.13 447	0.07 382	0.05 304	0.07 347	0.07 430	0.07 422	0.07 441

CFNet_ucs	0.15 533	0.08 401	0.16 525	0.16 234	0.11 565	0.14 448	0.14 286	0.30 601	0.34 615	0.16 473	0.24 519	0.23 571	0.14 497	0.18 551	0.15 525	0.09 537	0.06 469	0.08 448	0.07 430	0.09 561	0.09 563

GCAPDPT-zeroshot	0.09 207	0.05 45	0.11 290	0.13 23	0.07 158	0.11 298	0.14 286	0.14 178	0.16 333	0.07 99	0.10 237	0.08 221	0.06 77	0.13 390	0.08 40	0.07 382	0.05 304	0.05 63	0.05 216	0.04 54	0.04 88

Any-RAFT	0.10 288	0.05 45	0.09 154	0.14 73	0.07 158	0.13 411	0.14 286	0.21 414	0.15 291	0.11 309	0.12 315	0.12 358	0.09 311	0.12 332	0.09 126	0.07 382	0.04 26	0.05 63	0.04 72	0.06 334	0.05 236

SDNR	0.19 606	0.08 401	0.19 595	0.16 234	0.12 602	0.77 752	0.14 286	0.25 508	0.32 595	0.19 541	0.24 519	0.19 513	0.13 472	0.19 568	0.15 525	0.16 699	0.18 721	0.14 669	0.11 637	0.08 496	0.11 623

anonymousdsp2	0.11 342	0.07 263	0.10 227	0.16 234	0.09 394	0.13 411	0.14 286	0.18 343	0.22 473	0.13 389	0.14 351	0.12 358	0.09 311	0.14 428	0.11 330	0.05 55	0.04 26	0.05 63	0.04 72	0.06 334	0.05 236

iinet-f	0.16 558	0.06 129	0.45 703	0.14 73	0.10 510	0.21 611	0.14 286	0.27 549	0.23 485	0.21 580	0.24 519	0.21 535	0.15 515	0.18 551	0.21 615	0.09 537	0.07 547	0.07 347	0.06 326	0.09 561	0.10 595

CES	0.08 110	0.04 1	0.08 77	0.14 73	0.07 158	0.09 169	0.14 286	0.11 75	0.09 76	0.08 163	0.09 197	0.11 336	0.06 77	0.12 332	0.08 40	0.06 191	0.04 26	0.05 63	0.03 1	0.05 194	0.05 236

knoymous	0.11 342	0.05 45	0.12 340	0.13 23	0.07 158	0.15 475	0.14 286	0.19 374	0.13 229	0.11 309	0.17 409	0.13 391	0.09 311	0.13 390	0.11 330	0.08 468	0.05 304	0.06 228	0.05 216	0.08 496	0.07 441

riskmin	0.11 342	0.06 129	0.13 398	0.14 73	0.08 258	0.14 448	0.14 286	0.18 343	0.14 263	0.11 309	0.14 351	0.16 460	0.11 397	0.14 428	0.12 400	0.09 537	0.05 304	0.07 347	0.05 216	0.08 496	0.08 514

MC-Stereo	0.08 110	0.06 129	0.09 154	0.17 325	0.06 45	0.10 240	0.14 286	0.12 102	0.10 108	0.09 221	0.12 315	0.09 267	0.06 77	0.11 232	0.10 240	0.06 191	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

x	0.13 450	0.07 263	0.14 439	0.14 73	0.08 258	0.18 550	0.14 286	0.22 441	0.20 442	0.15 444	0.19 448	0.19 513	0.17 567	0.18 551	0.18 575	0.07 382	0.05 304	0.06 228	0.06 326	0.07 422	0.07 441

BUS	0.14 487	0.09 488	0.14 439	0.22 637	0.10 510	0.19 575	0.14 286	0.34 654	0.19 418	0.17 492	0.22 497	0.16 460	0.13 472	0.15 456	0.13 447	0.08 468	0.06 469	0.10 588	0.09 561	0.07 422	0.07 441

CRFU-Net	0.16 558	0.08 401	0.14 439	0.17 325	0.09 394	0.19 575	0.14 286	0.26 527	0.20 442	0.28 659	0.27 574	0.29 628	0.17 567	0.19 568	0.17 557	0.09 537	0.09 618	0.07 347	0.07 430	0.08 496	0.08 514

NINENet	0.16 558	0.10 551	0.15 488	0.17 325	0.11 565	0.19 575	0.14 286	0.40 698	0.36 629	0.18 522	0.21 485	0.16 460	0.13 472	0.15 456	0.13 447	0.08 468	0.08 581	0.10 588	0.07 430	0.10 594	0.09 563

IPLG	0.10 288	0.07 263	0.15 488	0.17 325	0.08 258	0.11 298	0.14 286	0.20 387	0.15 291	0.12 354	0.17 409	0.07 151	0.07 206	0.14 428	0.13 447	0.06 191	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

MIPNet	0.11 342	0.08 401	0.14 439	0.17 325	0.09 394	0.12 353	0.14 286	0.20 387	0.24 502	0.11 309	0.10 237	0.09 267	0.07 206	0.13 390	0.12 400	0.06 191	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

test-3	0.08 110	0.06 129	0.09 154	0.17 325	0.07 158	0.07 47	0.14 286	0.12 102	0.15 291	0.09 221	0.08 156	0.07 151	0.08 264	0.11 232	0.10 240	0.05 55	0.04 26	0.07 347	0.05 216	0.04 54	0.04 88

test_1	0.08 110	0.06 129	0.09 154	0.17 325	0.07 158	0.07 47	0.14 286	0.12 102	0.15 291	0.09 221	0.08 156	0.07 151	0.08 264	0.11 232	0.10 240	0.05 55	0.04 26	0.07 347	0.05 216	0.04 54	0.04 88

STrans-v2	0.10 288	0.07 263	0.12 340	0.18 428	0.07 158	0.10 240	0.14 286	0.21 414	0.11 141	0.11 309	0.15 372	0.12 358	0.10 359	0.11 232	0.12 400	0.05 55	0.04 26	0.06 228	0.06 326	0.04 54	0.04 88

NF-Stereo	0.11 342	0.07 263	0.13 398	0.17 325	0.09 394	0.10 240	0.14 286	0.23 465	0.19 418	0.12 354	0.17 409	0.12 358	0.11 397	0.11 232	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.12 638

OCTAStereo	0.11 342	0.07 263	0.13 398	0.17 325	0.09 394	0.10 240	0.14 286	0.23 465	0.19 418	0.12 354	0.17 409	0.12 358	0.11 397	0.11 232	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.12 638

NRIStereo	0.11 342	0.08 401	0.14 439	0.18 428	0.08 258	0.10 240	0.14 286	0.16 268	0.15 291	0.12 354	0.14 351	0.13 391	0.12 430	0.13 390	0.10 240	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.07 441

ASMatch	0.11 342	0.06 129	0.13 398	0.16 234	0.10 510	0.07 47	0.14 286	0.17 308	0.17 364	0.12 354	0.16 385	0.16 460	0.10 359	0.13 390	0.10 240	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.08 514

RE-Stereo	0.11 342	0.07 263	0.13 398	0.17 325	0.09 394	0.10 240	0.14 286	0.23 465	0.19 418	0.12 354	0.17 409	0.12 358	0.11 397	0.11 232	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.12 638

TVStereo	0.11 342	0.07 263	0.13 398	0.17 325	0.09 394	0.10 240	0.14 286	0.23 465	0.19 418	0.12 354	0.17 409	0.12 358	0.11 397	0.11 232	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.06 334	0.12 638

rafts_anoy	0.11 342	0.06 129	0.10 227	0.17 325	0.08 258	0.10 240	0.14 286	0.17 308	0.14 263	0.13 389	0.13 335	0.12 358	0.10 359	0.11 232	0.12 400	0.07 382	0.04 26	0.09 538	0.11 637	0.07 422	0.06 351

TANstereo	0.09 207	0.04 1	0.08 77	0.13 23	0.06 45	0.11 298	0.14 286	0.15 224	0.19 418	0.11 309	0.15 372	0.10 305	0.06 77	0.12 332	0.09 126	0.07 382	0.05 304	0.05 63	0.04 72	0.06 334	0.05 236

CFNet_pseudo	0.14 487	0.08 401	0.15 488	0.16 234	0.09 394	0.13 411	0.14 286	0.27 549	0.34 615	0.14 417	0.21 485	0.22 553	0.13 472	0.18 551	0.14 490	0.07 382	0.05 304	0.08 448	0.06 326	0.07 422	0.07 441

RALCasStereoNet	0.10 288	0.06 129	0.09 154	0.16 234	0.08 258	0.12 353	0.14 286	0.17 308	0.11 141	0.12 354	0.17 409	0.14 414	0.10 359	0.12 332	0.11 330	0.07 382	0.06 469	0.06 228	0.05 216	0.08 496	0.07 441

sCroCo_RVC	0.12 422	0.09 488	0.23 632	0.24 670	0.11 565	0.19 575	0.14 286	0.17 308	0.14 263	0.10 272	0.13 335	0.12 358	0.07 206	0.14 428	0.11 330	0.08 468	0.08 581	0.08 448	0.08 513	0.05 194	0.07 441

111	0.10 288	0.06 129	0.12 340	0.15 133	0.07 158	0.10 240	0.14 286	0.21 414	0.23 485	0.11 309	0.12 315	0.14 414	0.11 397	0.13 390	0.10 240	0.06 191	0.04 26	0.06 228	0.04 72	0.05 194	0.05 236

psmorigin	0.25 676	0.15 648	0.34 685	0.17 325	0.13 625	0.23 636	0.14 286	0.34 654	0.33 603	0.41 710	0.55 714	0.41 700	0.37 709	0.34 693	0.27 679	0.11 614	0.15 703	0.11 620	0.11 637	0.12 635	0.16 699

Gwc-CoAtRS	0.09 207	0.06 129	0.10 227	0.16 234	0.07 158	0.10 240	0.14 286	0.17 308	0.17 364	0.08 163	0.10 237	0.12 358	0.09 311	0.12 332	0.09 126	0.06 191	0.04 26	0.06 228	0.04 72	0.04 54	0.04 88

CREStereo	0.09 207	0.04 1	0.08 77	0.11 1	0.06 45	0.13 411	0.14 286	0.14 178	0.10 108	0.08 163	0.13 335	0.09 267	0.08 264	0.11 232	0.10 240	0.08 468	0.04 26	0.05 63	0.03 1	0.06 334	0.06 351
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 207	0.05 45	0.09 154	0.12 7	0.06 45	0.12 353	0.14 286	0.15 224	0.11 141	0.09 221	0.13 335	0.10 305	0.07 206	0.13 390	0.10 240	0.15 683	0.04 26	0.05 63	0.03 1	0.07 422	0.06 351

FADNet-RVC-Resample	0.16 558	0.11 579	0.31 669	0.22 637	0.11 565	0.19 575	0.14 286	0.25 508	0.24 502	0.24 619	0.27 574	0.20 525	0.15 515	0.16 491	0.15 525	0.07 382	0.08 581	0.12 640	0.10 603	0.09 561	0.10 595

MaskLacGwcNet_RVC	0.22 640	0.21 697	0.24 636	0.26 689	0.11 565	0.23 636	0.14 286	0.39 694	0.24 502	0.32 685	0.36 646	0.30 638	0.21 617	0.19 568	0.21 615	0.17 705	0.14 695	0.21 711	0.16 698	0.12 635	0.12 638

R-Stereo Train	0.10 288	0.06 129	0.10 227	0.17 325	0.08 258	0.11 298	0.14 286	0.23 465	0.11 141	0.12 354	0.19 448	0.11 336	0.08 264	0.09 70	0.11 330	0.07 382	0.05 304	0.06 228	0.05 216	0.05 194	0.05 236

RAFT-Stereo	0.10 288	0.06 129	0.10 227	0.17 325	0.08 258	0.11 298	0.14 286	0.23 465	0.11 141	0.12 354	0.19 448	0.11 336	0.08 264	0.09 70	0.11 330	0.07 382	0.05 304	0.06 228	0.05 216	0.05 194	0.05 236
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.14 487	0.07 263	0.14 439	0.16 234	0.08 258	0.18 550	0.14 286	0.29 586	0.20 442	0.17 492	0.25 548	0.21 535	0.18 583	0.20 593	0.19 588	0.07 382	0.06 469	0.06 228	0.08 513	0.06 334	0.06 351

MSMDNet	0.14 487	0.08 401	0.15 488	0.17 325	0.09 394	0.14 448	0.14 286	0.29 586	0.36 629	0.14 417	0.21 485	0.21 535	0.12 430	0.17 526	0.14 490	0.07 382	0.05 304	0.07 347	0.07 430	0.07 422	0.07 441

ccs_rob	0.14 487	0.08 401	0.15 488	0.16 234	0.09 394	0.12 353	0.14 286	0.27 549	0.34 615	0.14 417	0.21 485	0.22 553	0.13 472	0.18 551	0.14 490	0.07 382	0.05 304	0.08 448	0.07 430	0.07 422	0.07 441

HSM	0.15 533	0.08 401	0.14 439	0.16 234	0.09 394	0.16 507	0.14 286	0.28 570	0.25 524	0.19 541	0.23 506	0.37 682	0.16 543	0.20 593	0.15 525	0.07 382	0.05 304	0.07 347	0.06 326	0.07 422	0.06 351

iResNet_ROB	0.14 487	0.07 263	0.13 398	0.14 73	0.07 158	0.18 550	0.14 286	0.26 527	0.31 588	0.22 596	0.25 548	0.23 571	0.15 515	0.15 456	0.13 447	0.07 382	0.05 304	0.05 63	0.04 72	0.08 496	0.08 514

noway7	0.10 288	0.07 263	0.13 398	0.20 582	0.09 394	0.11 298	0.15 375	0.28 570	0.16 333	0.11 309	0.11 292	0.07 151	0.07 206	0.10 144	0.10 240	0.05 55	0.04 26	0.07 347	0.06 326	0.05 194	0.05 236

WAFT-Stereo (ZS)	0.07 7	0.05 45	0.09 154	0.12 7	0.07 158	0.08 103	0.15 375	0.07 8	0.07 30	0.06 39	0.10 237	0.05 5	0.07 206	0.06 2	0.11 330	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.05 236

Weightmod	0.09 207	0.06 129	0.08 77	0.18 428	0.06 45	0.10 240	0.15 375	0.14 178	0.12 184	0.11 309	0.10 237	0.08 221	0.07 206	0.10 144	0.11 330	0.06 191	0.08 581	0.07 347	0.07 430	0.04 54	0.03 2

Anonymus	0.08 110	0.05 45	0.10 227	0.15 133	0.08 258	0.10 240	0.15 375	0.15 224	0.10 108	0.07 99	0.06 30	0.07 151	0.08 264	0.12 332	0.10 240	0.06 191	0.04 26	0.05 63	0.05 216	0.05 194	0.06 351

TestStereo_HLe17	0.10 288	0.05 45	0.12 340	0.13 23	0.07 158	0.11 298	0.15 375	0.21 414	0.15 291	0.11 309	0.14 351	0.11 336	0.09 311	0.13 390	0.12 400	0.07 382	0.04 26	0.05 63	0.05 216	0.07 422	0.06 351

GCAP-Stereo-DPT-24K	0.07 7	0.06 129	0.07 28	0.15 133	0.06 45	0.10 240	0.15 375	0.12 102	0.11 141	0.06 39	0.11 292	0.06 55	0.05 16	0.09 70	0.08 40	0.05 55	0.04 26	0.05 63	0.04 72	0.03 1	0.03 2

LiteMatch	0.09 207	0.06 129	0.10 227	0.16 234	0.07 158	0.09 169	0.15 375	0.13 143	0.08 42	0.06 39	0.07 87	0.06 55	0.15 515	0.10 144	0.14 490	0.07 382	0.04 26	0.06 228	0.06 326	0.06 334	0.06 351

Lsterematch	0.11 342	0.06 129	0.11 290	0.16 234	0.07 158	0.13 411	0.15 375	0.14 178	0.17 364	0.16 473	0.18 437	0.15 445	0.15 515	0.12 332	0.14 490	0.07 382	0.04 26	0.06 228	0.06 326	0.06 334	0.06 351

FE-Mocha	0.09 207	0.06 129	0.14 439	0.16 234	0.09 394	0.10 240	0.15 375	0.18 343	0.16 333	0.10 272	0.09 197	0.07 151	0.07 206	0.09 70	0.09 126	0.06 191	0.04 26	0.06 228	0.06 326	0.05 194	0.05 236

xyz-stereo	0.13 450	0.07 263	0.20 607	0.15 133	0.05 2	0.20 591	0.15 375	0.17 308	0.31 588	0.15 444	0.29 600	0.26 601	0.16 543	0.13 390	0.12 400	0.05 55	0.05 304	0.06 228	0.05 216	0.04 54	0.04 88

coex_refinement	0.14 487	0.07 263	0.12 340	0.17 325	0.10 510	0.15 475	0.15 375	0.26 527	0.29 570	0.18 522	0.20 461	0.22 553	0.17 567	0.16 491	0.18 575	0.08 468	0.05 304	0.06 228	0.06 326	0.09 561	0.08 514

SCV_C0	0.08 110	0.07 263	0.07 28	0.16 234	0.09 394	0.08 103	0.15 375	0.11 75	0.12 184	0.08 163	0.07 87	0.06 55	0.05 16	0.11 232	0.07 9	0.05 55	0.05 304	0.05 63	0.04 72	0.06 334	0.05 236

FACV-RUCA	0.13 450	0.11 579	0.12 340	0.19 511	0.12 602	0.15 475	0.15 375	0.22 441	0.20 442	0.15 444	0.16 385	0.14 414	0.16 543	0.14 428	0.13 447	0.07 382	0.05 304	0.08 448	0.06 326	0.10 594	0.08 514

castereo	0.09 207	0.06 129	0.11 290	0.15 133	0.06 45	0.11 298	0.15 375	0.14 178	0.18 398	0.08 163	0.10 237	0.11 336	0.08 264	0.09 70	0.10 240	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.03 2

PAM_32	0.09 207	0.05 45	0.17 557	0.15 133	0.08 258	0.10 240	0.15 375	0.14 178	0.15 291	0.09 221	0.08 156	0.09 267	0.07 206	0.14 428	0.08 40	0.06 191	0.05 304	0.06 228	0.06 326	0.05 194	0.06 351

rvit_stereo_0083	0.12 422	0.08 401	0.17 557	0.16 234	0.09 394	0.11 298	0.15 375	0.14 178	0.26 538	0.11 309	0.14 351	0.13 391	0.10 359	0.12 332	0.12 400	0.10 582	0.08 581	0.09 538	0.07 430	0.07 422	0.05 236

rvit_stereo_0080	0.10 288	0.08 401	0.14 439	0.15 133	0.09 394	0.07 47	0.15 375	0.16 268	0.16 333	0.11 309	0.10 237	0.14 414	0.08 264	0.12 332	0.10 240	0.09 537	0.07 547	0.07 347	0.06 326	0.07 422	0.05 236

H2IRNET	0.10 288	0.09 488	0.09 154	0.18 428	0.09 394	0.12 353	0.15 375	0.14 178	0.21 459	0.10 272	0.10 237	0.10 305	0.10 359	0.10 144	0.10 240	0.05 55	0.04 26	0.08 448	0.08 513	0.06 334	0.05 236

MGS-Stereo	0.09 207	0.07 263	0.12 340	0.15 133	0.08 258	0.09 169	0.15 375	0.12 102	0.12 184	0.07 99	0.10 237	0.08 221	0.06 77	0.10 144	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.06 334	0.05 236

AE-Stereo	0.10 288	0.08 401	0.10 227	0.18 428	0.09 394	0.10 240	0.15 375	0.14 178	0.19 418	0.09 221	0.14 351	0.12 358	0.08 264	0.11 232	0.10 240	0.05 55	0.06 469	0.07 347	0.06 326	0.05 194	0.04 88

CoDeX	0.12 422	0.07 263	0.12 340	0.17 325	0.08 258	0.12 353	0.15 375	0.23 465	0.27 548	0.13 389	0.17 409	0.16 460	0.11 397	0.14 428	0.11 330	0.07 382	0.05 304	0.07 347	0.06 326	0.06 334	0.05 236

ACVNet-DCA	0.10 288	0.08 401	0.12 340	0.17 325	0.09 394	0.13 411	0.15 375	0.23 465	0.16 333	0.09 221	0.09 197	0.06 55	0.06 77	0.10 144	0.07 9	0.06 191	0.04 26	0.06 228	0.05 216	0.07 422	0.07 441

xx1	0.11 342	0.08 401	0.12 340	0.17 325	0.09 394	0.13 411	0.15 375	0.16 268	0.18 398	0.09 221	0.09 197	0.16 460	0.16 543	0.10 144	0.07 9	0.06 191	0.04 26	0.08 448	0.08 513	0.07 422	0.07 441

1test111	0.11 342	0.08 401	0.12 340	0.17 325	0.09 394	0.13 411	0.15 375	0.23 465	0.16 333	0.09 221	0.09 197	0.06 55	0.06 77	0.15 456	0.16 541	0.06 191	0.04 26	0.06 228	0.05 216	0.07 422	0.07 441

cc1	0.10 288	0.08 401	0.12 340	0.17 325	0.09 394	0.13 411	0.15 375	0.16 268	0.18 398	0.09 221	0.09 197	0.06 55	0.06 77	0.10 144	0.07 9	0.06 191	0.04 26	0.06 228	0.05 216	0.06 334	0.06 351

11t1	0.12 422	0.06 129	0.13 398	0.14 73	0.08 258	0.17 531	0.15 375	0.18 343	0.15 291	0.15 444	0.15 372	0.16 460	0.16 543	0.15 456	0.13 447	0.08 468	0.05 304	0.06 228	0.05 216	0.08 496	0.07 441

ff7	0.09 207	0.07 263	0.11 290	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.12 184	0.10 272	0.06 30	0.06 55	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

IGEVStereo-DCA	0.09 207	0.06 129	0.11 290	0.15 133	0.10 510	0.11 298	0.15 375	0.16 268	0.12 184	0.10 272	0.06 30	0.08 221	0.06 77	0.10 144	0.08 40	0.06 191	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351

ffff	0.09 207	0.07 263	0.11 290	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.12 184	0.10 272	0.06 30	0.06 55	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

11t	0.09 207	0.07 263	0.11 290	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.12 184	0.10 272	0.06 30	0.06 55	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

whm_eth	0.10 288	0.08 401	0.14 439	0.15 133	0.09 394	0.07 47	0.15 375	0.16 268	0.16 333	0.11 309	0.10 237	0.14 414	0.08 264	0.12 332	0.10 240	0.09 537	0.07 547	0.07 347	0.06 326	0.07 422	0.05 236

plain	0.10 288	0.08 401	0.10 227	0.19 511	0.09 394	0.10 240	0.15 375	0.14 178	0.13 229	0.13 389	0.15 372	0.09 267	0.12 430	0.13 390	0.12 400	0.07 382	0.05 304	0.09 538	0.06 326	0.06 334	0.06 351

RAFT-Test	0.09 207	0.06 129	0.10 227	0.15 133	0.07 158	0.11 298	0.15 375	0.16 268	0.13 229	0.09 221	0.10 237	0.10 305	0.09 311	0.12 332	0.09 126	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.05 236

4D-IteraStereo	0.09 207	0.07 263	0.10 227	0.18 428	0.07 158	0.09 169	0.15 375	0.17 308	0.15 291	0.10 272	0.11 292	0.10 305	0.07 206	0.11 232	0.09 126	0.05 55	0.03 1	0.08 448	0.07 430	0.06 334	0.05 236

LoS_RVC	0.08 110	0.05 45	0.07 28	0.15 133	0.07 158	0.08 103	0.15 375	0.11 75	0.10 108	0.08 163	0.09 197	0.06 55	0.09 311	0.10 144	0.09 126	0.05 55	0.04 26	0.05 63	0.03 1	0.04 54	0.03 2

anonymousdsp	0.09 207	0.07 263	0.11 290	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.12 184	0.09 221	0.06 30	0.06 55	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

CBFPSM	0.14 487	0.06 129	0.26 644	0.17 325	0.09 394	0.13 411	0.15 375	0.22 441	0.23 485	0.20 564	0.27 574	0.24 577	0.16 543	0.16 491	0.18 575	0.06 191	0.06 469	0.06 228	0.07 430	0.07 422	0.07 441

ProNet	0.09 207	0.07 263	0.10 227	0.17 325	0.08 258	0.10 240	0.15 375	0.15 224	0.12 184	0.09 221	0.06 30	0.07 151	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.06 351

qqq	0.13 450	0.09 488	0.15 488	0.16 234	0.08 258	0.13 411	0.15 375	0.23 465	0.16 333	0.15 444	0.19 448	0.16 460	0.16 543	0.15 456	0.16 541	0.07 382	0.06 469	0.08 448	0.08 513	0.07 422	0.07 441

ccc-4	0.09 207	0.07 263	0.11 290	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.12 184	0.10 272	0.06 30	0.06 55	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

BSDual-CNN	0.15 533	0.09 488	0.14 439	0.22 637	0.10 510	0.14 448	0.15 375	0.34 654	0.19 418	0.17 492	0.22 497	0.25 591	0.16 543	0.15 456	0.14 490	0.08 468	0.06 469	0.10 588	0.09 561	0.07 422	0.07 441

hknet	0.15 533	0.11 579	0.13 398	0.22 637	0.11 565	0.14 448	0.15 375	0.34 654	0.25 524	0.17 492	0.22 497	0.22 553	0.18 583	0.17 526	0.12 400	0.07 382	0.06 469	0.10 588	0.09 561	0.07 422	0.07 441

IGEV-Stereo	0.09 207	0.07 263	0.11 290	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.12 184	0.09 221	0.06 30	0.06 55	0.06 77	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.11 342	0.08 401	0.14 439	0.17 325	0.08 258	0.12 353	0.15 375	0.17 308	0.15 291	0.14 417	0.11 292	0.16 460	0.09 311	0.16 491	0.11 330	0.07 382	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351

iRaft-Stereo_20w	0.09 207	0.05 45	0.13 398	0.14 73	0.08 258	0.12 353	0.15 375	0.18 343	0.10 108	0.11 309	0.08 156	0.08 221	0.05 16	0.10 144	0.09 126	0.06 191	0.04 26	0.06 228	0.05 216	0.06 334	0.05 236

IPLGR_C	0.11 342	0.08 401	0.14 439	0.17 325	0.08 258	0.12 353	0.15 375	0.17 308	0.15 291	0.14 417	0.10 237	0.16 460	0.09 311	0.16 491	0.11 330	0.07 382	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351

AASNet	0.16 558	0.08 401	0.12 340	0.19 511	0.09 394	0.18 550	0.15 375	0.37 682	0.37 636	0.19 541	0.23 506	0.20 525	0.16 543	0.17 526	0.20 595	0.10 582	0.08 581	0.08 448	0.07 430	0.09 561	0.09 563

ACRE	0.11 342	0.08 401	0.14 439	0.17 325	0.08 258	0.12 353	0.15 375	0.17 308	0.14 263	0.14 417	0.10 237	0.16 460	0.09 311	0.16 491	0.11 330	0.07 382	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351

AACVNet	0.16 558	0.08 401	0.14 439	0.15 133	0.10 510	0.18 550	0.15 375	0.23 465	0.24 502	0.27 644	0.27 574	0.28 619	0.17 567	0.19 568	0.16 541	0.09 537	0.07 547	0.09 538	0.07 430	0.10 594	0.09 563

GANet-ADL	0.13 450	0.07 263	0.15 488	0.17 325	0.10 510	0.18 550	0.15 375	0.30 601	0.20 442	0.13 389	0.18 437	0.19 513	0.12 430	0.16 491	0.13 447	0.08 468	0.06 469	0.06 228	0.05 216	0.07 422	0.08 514

CrosDoStereo	0.12 422	0.06 129	0.12 340	0.14 73	0.08 258	0.12 353	0.15 375	0.17 308	0.22 473	0.19 541	0.24 519	0.15 445	0.11 397	0.11 232	0.12 400	0.06 191	0.04 26	0.07 347	0.07 430	0.05 194	0.05 236

LCNet	0.11 342	0.07 263	0.09 154	0.19 511	0.09 394	0.08 103	0.15 375	0.21 414	0.15 291	0.11 309	0.15 372	0.16 460	0.11 397	0.12 332	0.11 330	0.05 55	0.04 26	0.08 448	0.07 430	0.06 334	0.15 687

TransformOpticalFlow	0.10 288	0.08 401	0.13 398	0.18 428	0.07 158	0.09 169	0.15 375	0.19 374	0.15 291	0.12 354	0.17 409	0.11 336	0.11 397	0.11 232	0.10 240	0.05 55	0.04 26	0.06 228	0.06 326	0.05 194	0.05 236

PSM-AAD	0.11 342	0.07 263	0.10 227	0.19 511	0.09 394	0.10 240	0.15 375	0.20 387	0.13 229	0.12 354	0.14 351	0.18 497	0.11 397	0.11 232	0.10 240	0.05 55	0.05 304	0.09 538	0.08 513	0.06 334	0.14 680

FTStereo	0.12 422	0.06 129	0.14 439	0.18 428	0.09 394	0.07 47	0.15 375	0.21 414	0.18 398	0.12 354	0.24 519	0.12 358	0.12 430	0.13 390	0.13 447	0.05 55	0.05 304	0.07 347	0.06 326	0.06 334	0.10 595

KYRaft	0.11 342	0.07 263	0.10 227	0.19 511	0.09 394	0.08 103	0.15 375	0.22 441	0.12 184	0.13 389	0.16 385	0.20 525	0.10 359	0.12 332	0.10 240	0.05 55	0.04 26	0.08 448	0.08 513	0.06 334	0.16 699

DeepStereo_LL	0.12 422	0.06 129	0.12 340	0.14 73	0.08 258	0.12 353	0.15 375	0.17 308	0.22 473	0.19 541	0.24 519	0.15 445	0.11 397	0.11 232	0.12 400	0.06 191	0.04 26	0.07 347	0.07 430	0.05 194	0.05 236

DEmStereo	0.12 422	0.06 129	0.14 439	0.14 73	0.10 510	0.16 507	0.15 375	0.16 268	0.24 502	0.17 492	0.24 519	0.13 391	0.14 497	0.12 332	0.13 447	0.05 55	0.04 26	0.07 347	0.06 326	0.05 194	0.05 236

PFNet	0.12 422	0.06 129	0.17 557	0.17 325	0.08 258	0.09 169	0.15 375	0.26 527	0.20 442	0.16 473	0.16 385	0.14 414	0.11 397	0.12 332	0.11 330	0.06 191	0.04 26	0.07 347	0.06 326	0.05 194	0.05 236

IRAFT_RVC	0.12 422	0.08 401	0.16 525	0.19 511	0.08 258	0.07 47	0.15 375	0.24 489	0.23 485	0.14 417	0.14 351	0.15 445	0.12 430	0.12 332	0.10 240	0.06 191	0.04 26	0.09 538	0.06 326	0.06 334	0.06 351

GMM-Stereo	0.11 342	0.07 263	0.10 227	0.18 428	0.09 394	0.08 103	0.15 375	0.23 465	0.16 333	0.11 309	0.15 372	0.13 391	0.11 397	0.11 232	0.11 330	0.05 55	0.04 26	0.08 448	0.07 430	0.06 334	0.09 563

Prome-Stereo	0.11 342	0.06 129	0.10 227	0.18 428	0.08 258	0.12 353	0.15 375	0.22 441	0.13 229	0.12 354	0.17 409	0.13 391	0.08 264	0.12 332	0.10 240	0.05 55	0.04 26	0.07 347	0.06 326	0.06 334	0.09 563

pcwnet_v2	0.19 606	0.10 551	0.26 644	0.17 325	0.14 647	0.18 550	0.15 375	0.37 682	0.46 687	0.19 541	0.24 519	0.21 535	0.19 600	0.20 593	0.19 588	0.13 665	0.10 640	0.10 588	0.10 603	0.11 617	0.13 661

test_xeample3	0.09 207	0.06 129	0.12 340	0.16 234	0.09 394	0.11 298	0.15 375	0.16 268	0.13 229	0.10 272	0.06 30	0.08 221	0.06 77	0.10 144	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

EAI-Stereo	0.09 207	0.07 263	0.11 290	0.15 133	0.06 45	0.10 240	0.15 375	0.16 268	0.09 76	0.08 163	0.09 197	0.08 221	0.07 206	0.09 70	0.11 330	0.05 55	0.04 26	0.05 63	0.05 216	0.05 194	0.04 88

CFNet-RSSM	0.09 207	0.07 263	0.09 154	0.16 234	0.07 158	0.09 169	0.15 375	0.16 268	0.17 364	0.08 163	0.12 315	0.10 305	0.09 311	0.11 232	0.09 126	0.06 191	0.04 26	0.06 228	0.04 72	0.04 54	0.04 88

FENet	0.13 450	0.08 401	0.12 340	0.16 234	0.08 258	0.14 448	0.15 375	0.22 441	0.23 485	0.17 492	0.23 506	0.16 460	0.12 430	0.14 428	0.15 525	0.08 468	0.05 304	0.08 448	0.08 513	0.07 422	0.07 441

FADNet-RVC	0.20 618	0.20 691	0.38 692	0.21 617	0.16 678	0.20 591	0.15 375	0.26 527	0.26 538	0.26 638	0.32 621	0.26 601	0.21 617	0.22 624	0.19 588	0.12 639	0.13 684	0.12 640	0.14 674	0.13 655	0.18 714

SHD	0.26 685	0.15 648	0.30 667	0.24 670	0.18 701	0.22 620	0.15 375	0.38 690	0.71 742	0.32 685	0.41 683	0.36 677	0.28 674	0.32 686	0.29 691	0.12 639	0.11 653	0.14 669	0.13 670	0.16 697	0.20 720

HSM-Net_RVC	0.14 487	0.08 401	0.11 290	0.15 133	0.08 258	0.15 475	0.15 375	0.27 549	0.29 570	0.19 541	0.21 485	0.29 628	0.14 497	0.17 526	0.13 447	0.06 191	0.06 469	0.06 228	0.06 326	0.07 422	0.06 351
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DeepPruner_ROB	0.16 558	0.11 579	0.15 488	0.17 325	0.10 510	0.17 531	0.15 375	0.32 625	0.21 459	0.19 541	0.21 485	0.22 553	0.18 583	0.20 593	0.15 525	0.13 665	0.09 618	0.09 538	0.09 561	0.11 617	0.10 595

PWCDC_ROB	0.20 618	0.13 625	0.22 623	0.24 670	0.11 565	0.19 575	0.15 375	0.33 645	0.54 712	0.29 668	0.50 706	0.21 535	0.15 515	0.27 657	0.20 595	0.11 614	0.09 618	0.10 588	0.08 513	0.11 617	0.09 563

WCMA_ROB	0.24 664	0.11 579	0.22 623	0.17 325	0.14 647	0.32 689	0.15 375	0.32 625	0.32 595	0.38 701	0.53 710	0.40 698	0.34 702	0.34 693	0.25 659	0.11 614	0.12 669	0.12 640	0.10 603	0.14 671	0.14 680

pmcnn	0.15 533	0.07 263	0.19 595	0.15 133	0.07 158	0.20 591	0.15 375	0.24 489	0.26 538	0.21 580	0.34 639	0.28 619	0.18 583	0.18 551	0.17 557	0.07 382	0.05 304	0.05 63	0.04 72	0.07 422	0.06 351

Weightmod_eth	0.09 207	0.07 263	0.08 77	0.18 428	0.07 158	0.10 240	0.16 449	0.13 143	0.11 141	0.08 163	0.08 156	0.09 267	0.07 206	0.10 144	0.10 240	0.06 191	0.07 547	0.06 228	0.07 430	0.04 54	0.03 2

AANet	0.30 702	0.19 684	1.03 759	0.16 234	0.13 625	0.22 620	0.16 449	0.30 601	0.62 729	0.60 732	0.52 708	0.46 712	0.38 711	0.23 635	0.32 709	0.12 639	0.09 618	0.11 620	0.10 603	0.13 655	0.12 638

Selective-IGEV-i16pc	0.13 450	0.06 129	0.13 398	0.15 133	0.11 565	0.38 713	0.16 449	0.23 465	0.16 333	0.10 272	0.15 372	0.09 267	0.06 77	0.13 390	0.10 240	0.10 582	0.08 581	0.06 228	0.07 430	0.09 561	0.09 563

Selective-IGEV-i16pb	0.14 487	0.08 401	0.17 557	0.15 133	0.11 565	0.41 718	0.16 449	0.28 570	0.23 485	0.11 309	0.20 461	0.10 305	0.07 206	0.17 526	0.12 400	0.10 582	0.07 547	0.06 228	0.08 513	0.09 561	0.10 595

Selective-IGEV-i1	0.13 450	0.07 263	0.12 340	0.19 511	0.08 258	0.18 550	0.16 449	0.22 441	0.30 580	0.16 473	0.17 409	0.16 460	0.10 359	0.14 428	0.13 447	0.06 191	0.05 304	0.06 228	0.05 216	0.06 334	0.05 236

WQFJX	0.10 288	0.07 263	0.09 154	0.21 617	0.09 394	0.12 353	0.16 449	0.18 343	0.17 364	0.12 354	0.10 237	0.07 151	0.09 311	0.12 332	0.10 240	0.06 191	0.07 547	0.06 228	0.05 216	0.06 334	0.05 236

NLSM3	0.09 207	0.06 129	0.08 77	0.19 511	0.08 258	0.11 298	0.16 449	0.18 343	0.16 333	0.06 39	0.08 156	0.07 151	0.08 264	0.09 70	0.11 330	0.04 11	0.04 26	0.06 228	0.07 430	0.03 1	0.03 2

NLSM1	0.10 288	0.07 263	0.07 28	0.19 511	0.08 258	0.13 411	0.16 449	0.21 414	0.15 291	0.11 309	0.10 237	0.06 55	0.10 359	0.10 144	0.11 330	0.07 382	0.08 581	0.08 448	0.07 430	0.05 194	0.05 236

MSAF-DinoV2	0.22 640	0.11 579	0.23 632	0.17 325	0.10 510	0.27 673	0.16 449	0.37 682	0.55 713	0.21 580	0.27 574	0.47 716	0.27 663	0.35 700	0.39 728	0.09 537	0.06 469	0.07 347	0.09 561	0.12 635	0.10 595

G2L-ROB	0.13 450	0.06 129	0.13 398	0.13 23	0.08 258	0.14 448	0.16 449	0.25 508	0.18 398	0.19 541	0.18 437	0.20 525	0.14 497	0.17 526	0.16 541	0.08 468	0.05 304	0.06 228	0.05 216	0.08 496	0.09 563

G2L-Stereo_test	0.14 487	0.07 263	0.11 290	0.13 23	0.08 258	0.12 353	0.16 449	0.30 601	0.28 563	0.20 564	0.23 506	0.20 525	0.16 543	0.17 526	0.18 575	0.07 382	0.05 304	0.05 63	0.05 216	0.07 422	0.06 351

HART	0.08 110	0.07 263	0.09 154	0.17 325	0.07 158	0.10 240	0.16 449	0.13 143	0.11 141	0.08 163	0.10 237	0.07 151	0.05 16	0.10 144	0.08 40	0.05 55	0.04 26	0.06 228	0.04 72	0.05 194	0.04 88

tt45	0.09 207	0.06 129	0.11 290	0.15 133	0.07 158	0.11 298	0.16 449	0.13 143	0.11 141	0.09 221	0.06 30	0.08 221	0.06 77	0.13 390	0.10 240	0.06 191	0.04 26	0.06 228	0.05 216	0.05 194	0.06 351

mms	0.09 207	0.07 263	0.08 77	0.16 234	0.08 258	0.10 240	0.16 449	0.12 102	0.11 141	0.08 163	0.09 197	0.08 221	0.06 77	0.11 232	0.12 400	0.05 55	0.04 26	0.07 347	0.05 216	0.04 54	0.03 2

ours_stereo	0.09 207	0.07 263	0.09 154	0.17 325	0.08 258	0.11 298	0.16 449	0.11 75	0.12 184	0.08 163	0.10 237	0.08 221	0.06 77	0.12 332	0.12 400	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.03 2

tg	0.10 288	0.06 129	0.10 227	0.18 428	0.08 258	0.11 298	0.16 449	0.20 387	0.12 184	0.08 163	0.11 292	0.11 336	0.07 206	0.11 232	0.10 240	0.05 55	0.04 26	0.08 448	0.08 513	0.04 54	0.04 88

PAM	0.10 288	0.05 45	0.16 525	0.15 133	0.08 258	0.09 169	0.16 449	0.15 224	0.16 333	0.12 354	0.09 197	0.09 267	0.07 206	0.13 390	0.08 40	0.06 191	0.05 304	0.06 228	0.06 326	0.05 194	0.06 351

rvit_0105_6	0.14 487	0.09 488	0.18 583	0.17 325	0.10 510	0.10 240	0.16 449	0.19 374	0.26 538	0.12 354	0.18 437	0.17 482	0.12 430	0.18 551	0.12 400	0.15 683	0.11 653	0.12 640	0.10 603	0.09 561	0.06 351

AIO-Stereo-zeroshot	0.11 342	0.05 45	0.11 290	0.15 133	0.13 625	0.13 411	0.16 449	0.23 465	0.17 364	0.10 272	0.12 315	0.10 305	0.07 206	0.11 232	0.09 126	0.06 191	0.05 304	0.06 228	0.06 326	0.07 422	0.08 514

test_sample7	0.15 533	0.10 551	0.16 525	0.14 73	0.11 565	0.16 507	0.16 449	0.27 549	0.23 485	0.20 564	0.20 461	0.24 577	0.19 600	0.16 491	0.16 541	0.12 639	0.06 469	0.10 588	0.09 561	0.10 594	0.10 595

test_sample1	0.13 450	0.07 263	0.14 439	0.13 23	0.08 258	0.19 575	0.16 449	0.20 387	0.15 291	0.14 417	0.22 497	0.18 497	0.16 543	0.17 526	0.14 490	0.07 382	0.06 469	0.06 228	0.06 326	0.08 496	0.07 441

Former-RAFT_DAM_RVC	0.10 288	0.08 401	0.12 340	0.16 234	0.08 258	0.15 475	0.16 449	0.18 343	0.18 398	0.10 272	0.09 197	0.09 267	0.08 264	0.11 232	0.12 400	0.07 382	0.05 304	0.08 448	0.06 326	0.07 422	0.06 351

rrr	0.09 207	0.06 129	0.12 340	0.15 133	0.10 510	0.11 298	0.16 449	0.16 268	0.15 291	0.10 272	0.06 30	0.08 221	0.06 77	0.10 144	0.08 40	0.06 191	0.05 304	0.06 228	0.05 216	0.05 194	0.06 351

tt1	0.10 288	0.08 401	0.12 340	0.17 325	0.09 394	0.12 353	0.16 449	0.15 224	0.19 418	0.09 221	0.08 156	0.06 55	0.06 77	0.10 144	0.07 9	0.06 191	0.04 26	0.06 228	0.05 216	0.06 334	0.06 351

HH	0.09 207	0.06 129	0.13 398	0.17 325	0.08 258	0.10 240	0.16 449	0.14 178	0.10 108	0.08 163	0.09 197	0.08 221	0.07 206	0.10 144	0.09 126	0.06 191	0.04 26	0.06 228	0.05 216	0.05 194	0.04 88

HanStereo	0.09 207	0.06 129	0.13 398	0.17 325	0.08 258	0.10 240	0.16 449	0.14 178	0.10 108	0.08 163	0.09 197	0.08 221	0.07 206	0.10 144	0.09 126	0.06 191	0.04 26	0.06 228	0.05 216	0.05 194	0.04 88

GASNet	0.22 640	0.23 704	0.33 677	0.26 689	0.17 694	0.26 663	0.16 449	0.44 716	0.42 667	0.27 644	0.24 519	0.30 638	0.15 515	0.27 657	0.18 575	0.12 639	0.08 581	0.12 640	0.11 637	0.16 697	0.07 441

IER	0.14 487	0.07 263	0.13 398	0.17 325	0.09 394	0.14 448	0.16 449	0.25 508	0.26 538	0.18 522	0.25 548	0.17 482	0.20 613	0.16 491	0.14 490	0.08 468	0.05 304	0.07 347	0.06 326	0.08 496	0.07 441

UDGNet	0.14 487	0.13 625	0.16 525	0.17 325	0.10 510	0.12 353	0.16 449	0.21 414	0.27 548	0.20 564	0.20 461	0.16 460	0.13 472	0.16 491	0.13 447	0.10 582	0.06 469	0.09 538	0.07 430	0.06 334	0.07 441

ADLNet2	0.16 558	0.09 488	0.13 398	0.16 234	0.09 394	0.20 591	0.16 449	0.31 614	0.39 648	0.16 473	0.20 461	0.20 525	0.18 583	0.21 611	0.22 624	0.08 468	0.06 469	0.07 347	0.07 430	0.09 561	0.07 441

THIR-Stereo	0.12 422	0.07 263	0.11 290	0.15 133	0.08 258	0.14 448	0.16 449	0.17 308	0.25 524	0.16 473	0.24 519	0.14 414	0.12 430	0.12 332	0.14 490	0.06 191	0.04 26	0.07 347	0.07 430	0.05 194	0.05 236

GrayStereo	0.11 342	0.06 129	0.11 290	0.19 511	0.09 394	0.09 169	0.16 449	0.18 343	0.17 364	0.14 417	0.17 409	0.17 482	0.11 397	0.12 332	0.11 330	0.05 55	0.05 304	0.07 347	0.06 326	0.05 194	0.10 595

XX-TBD	0.09 207	0.06 129	0.07 28	0.14 73	0.07 158	0.12 353	0.16 449	0.14 178	0.13 229	0.11 309	0.12 315	0.09 267	0.08 264	0.10 144	0.10 240	0.06 191	0.04 26	0.05 63	0.03 1	0.06 334	0.05 236

RAFT-Stereo + iAFF	0.09 207	0.06 129	0.10 227	0.17 325	0.06 45	0.10 240	0.16 449	0.17 308	0.14 263	0.09 221	0.10 237	0.08 221	0.09 311	0.11 232	0.09 126	0.05 55	0.04 26	0.06 228	0.06 326	0.04 54	0.03 2

AFF-stereo	0.09 207	0.06 129	0.10 227	0.17 325	0.07 158	0.10 240	0.16 449	0.17 308	0.09 76	0.10 272	0.12 315	0.09 267	0.09 311	0.12 332	0.09 126	0.05 55	0.04 26	0.07 347	0.07 430	0.04 54	0.03 2

GMStereo	0.13 450	0.14 638	0.14 439	0.18 428	0.09 394	0.15 475	0.16 449	0.20 387	0.24 502	0.16 473	0.17 409	0.10 305	0.10 359	0.16 491	0.13 447	0.07 382	0.06 469	0.06 228	0.06 326	0.07 422	0.06 351
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 450	0.07 263	0.14 439	0.17 325	0.09 394	0.15 475	0.16 449	0.28 570	0.27 548	0.14 417	0.17 409	0.12 358	0.13 472	0.14 428	0.11 330	0.08 468	0.05 304	0.07 347	0.07 430	0.07 422	0.06 351

EDNetEfficientorigin	7.91 782	0.31 730	153.02 812	0.19 511	0.09 394	0.21 611	0.16 449	0.22 441	0.59 722	0.72 744	0.67 730	0.42 701	0.50 737	0.24 645	0.39 728	0.08 468	0.07 547	0.08 448	0.07 430	0.12 635	0.10 595

PSMNet-RSSM	0.14 487	0.07 263	0.13 398	0.15 133	0.08 258	0.13 411	0.16 449	0.24 489	0.24 502	0.16 473	0.28 588	0.22 553	0.14 497	0.15 456	0.13 447	0.11 614	0.06 469	0.09 538	0.12 659	0.08 496	0.07 441

edge stereo	0.22 640	0.13 625	0.20 607	0.21 617	0.13 625	0.23 636	0.16 449	0.32 625	0.42 667	0.32 685	0.40 672	0.38 686	0.35 705	0.25 651	0.24 649	0.13 665	0.11 653	0.14 669	0.11 637	0.12 635	0.13 661

RTSC	0.23 657	0.12 597	0.28 656	0.21 617	0.13 625	0.28 680	0.16 449	0.35 669	0.66 738	0.27 644	0.33 634	0.30 638	0.21 617	0.31 679	0.29 691	0.10 582	0.08 581	0.09 538	0.10 603	0.13 655	0.13 661

LE_ROB	0.50 735	0.07 263	0.14 439	0.15 133	0.08 258	0.24 641	0.16 449	0.22 441	1.81 777	4.63 783	0.67 730	0.47 716	0.44 729	0.20 593	0.29 691	0.07 382	0.06 469	0.06 228	0.06 326	0.08 496	0.06 351

SCION-MonSter	0.22 640	0.17 667	0.16 525	0.25 683	0.18 701	0.34 699	0.17 491	0.28 570	0.47 689	0.23 609	0.46 697	0.20 525	0.18 583	0.25 651	0.25 659	0.09 537	0.08 581	0.23 718	0.19 712	0.11 617	0.11 623

monster_256*512	0.11 342	0.07 263	0.09 154	0.21 617	0.10 510	0.12 353	0.17 491	0.26 527	0.18 398	0.12 354	0.12 315	0.08 221	0.07 206	0.10 144	0.10 240	0.05 55	0.04 26	0.07 347	0.07 430	0.05 194	0.05 236

RT-IGEV	0.13 450	0.06 129	0.13 398	0.15 133	0.09 394	0.15 475	0.17 491	0.24 489	0.27 548	0.16 473	0.17 409	0.17 482	0.10 359	0.14 428	0.11 330	0.08 468	0.05 304	0.07 347	0.05 216	0.07 422	0.07 441

WQFJA1	0.10 288	0.07 263	0.08 77	0.20 582	0.09 394	0.12 353	0.17 491	0.17 308	0.17 364	0.09 221	0.10 237	0.08 221	0.10 359	0.12 332	0.11 330	0.06 191	0.07 547	0.07 347	0.06 326	0.06 334	0.05 236

WQFJX1	0.10 288	0.07 263	0.08 77	0.22 637	0.09 394	0.12 353	0.17 491	0.18 343	0.17 364	0.10 272	0.09 197	0.07 151	0.10 359	0.11 232	0.09 126	0.07 382	0.08 581	0.07 347	0.06 326	0.05 194	0.04 88

NLMM	0.10 288	0.07 263	0.08 77	0.20 582	0.09 394	0.12 353	0.17 491	0.17 308	0.17 364	0.09 221	0.10 237	0.08 221	0.10 359	0.12 332	0.11 330	0.06 191	0.07 547	0.07 347	0.06 326	0.06 334	0.05 236

LG-Stereo	0.08 110	0.07 263	0.10 227	0.18 428	0.07 158	0.10 240	0.17 491	0.11 75	0.08 42	0.05 2	0.07 87	0.05 5	0.07 206	0.09 70	0.09 126	0.04 11	0.05 304	0.07 347	0.07 430	0.04 54	0.04 88

fffft	0.09 207	0.06 129	0.12 340	0.16 234	0.07 158	0.09 169	0.17 491	0.12 102	0.11 141	0.08 163	0.07 87	0.09 267	0.06 77	0.11 232	0.12 400	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.05 236
1: 1. 1
fffy	0.09 207	0.08 401	0.09 154	0.16 234	0.07 158	0.13 411	0.17 491	0.13 143	0.12 184	0.08 163	0.09 197	0.08 221	0.09 311	0.13 390	0.11 330	0.05 55	0.05 304	0.07 347	0.05 216	0.04 54	0.05 236

AIO-Stereo-zeroshot1	0.11 342	0.05 45	0.14 439	0.15 133	0.20 712	0.09 169	0.17 491	0.21 414	0.15 291	0.11 309	0.14 351	0.10 305	0.07 206	0.10 144	0.08 40	0.06 191	0.05 304	0.07 347	0.07 430	0.07 422	0.09 563

rvit_stereo_ft	0.12 422	0.07 263	0.13 398	0.19 511	0.10 510	0.12 353	0.17 491	0.16 268	0.16 333	0.12 354	0.13 335	0.15 445	0.10 359	0.14 428	0.13 447	0.09 537	0.06 469	0.08 448	0.07 430	0.07 422	0.05 236

test_sample3	0.14 487	0.08 401	0.15 488	0.14 73	0.09 394	0.19 575	0.17 491	0.26 527	0.18 398	0.16 473	0.22 497	0.19 513	0.15 515	0.17 526	0.13 447	0.08 468	0.06 469	0.07 347	0.06 326	0.09 561	0.08 514

SMFormer	0.14 487	0.07 263	0.17 557	0.14 73	0.08 258	0.16 507	0.17 491	0.26 527	0.27 548	0.19 541	0.20 461	0.18 497	0.15 515	0.15 456	0.17 557	0.08 468	0.05 304	0.07 347	0.06 326	0.07 422	0.06 351

tta	0.14 487	0.07 263	0.17 557	0.14 73	0.08 258	0.16 507	0.17 491	0.26 527	0.27 548	0.19 541	0.20 461	0.18 497	0.15 515	0.15 456	0.17 557	0.08 468	0.05 304	0.07 347	0.06 326	0.06 334	0.06 351

qqq1	0.13 450	0.07 263	0.17 557	0.14 73	0.08 258	0.16 507	0.17 491	0.26 527	0.27 548	0.19 541	0.20 461	0.18 497	0.15 515	0.15 456	0.11 330	0.08 468	0.05 304	0.05 63	0.05 216	0.06 334	0.06 351

fff1	0.13 450	0.07 263	0.17 557	0.14 73	0.08 258	0.16 507	0.17 491	0.26 527	0.27 548	0.19 541	0.20 461	0.18 497	0.15 515	0.15 456	0.11 330	0.08 468	0.05 304	0.05 63	0.05 216	0.06 334	0.06 351

ffm	0.12 422	0.09 488	0.14 439	0.16 234	0.08 258	0.17 531	0.17 491	0.15 224	0.19 418	0.15 444	0.25 548	0.19 513	0.13 472	0.10 144	0.07 9	0.06 191	0.04 26	0.09 538	0.08 513	0.06 334	0.06 351

ff1	0.13 450	0.09 488	0.14 439	0.16 234	0.08 258	0.17 531	0.17 491	0.15 224	0.19 418	0.15 444	0.25 548	0.19 513	0.13 472	0.14 428	0.20 595	0.06 191	0.04 26	0.09 538	0.08 513	0.06 334	0.06 351

mmx	0.14 487	0.09 488	0.14 439	0.16 234	0.08 258	0.17 531	0.17 491	0.27 549	0.25 524	0.15 444	0.25 548	0.19 513	0.13 472	0.14 428	0.20 595	0.08 468	0.06 469	0.09 538	0.08 513	0.08 496	0.08 514

xxx	0.14 487	0.09 488	0.14 439	0.16 234	0.08 258	0.17 531	0.17 491	0.27 549	0.25 524	0.15 444	0.25 548	0.19 513	0.13 472	0.14 428	0.20 595	0.08 468	0.06 469	0.09 538	0.08 513	0.08 496	0.08 514

gwcnet-sp	0.14 487	0.07 263	0.12 340	0.18 428	0.09 394	0.16 507	0.17 491	0.24 489	0.24 502	0.18 522	0.24 519	0.15 445	0.16 543	0.15 456	0.15 525	0.08 468	0.06 469	0.07 347	0.08 513	0.08 496	0.07 441

scenet	0.14 487	0.07 263	0.12 340	0.18 428	0.09 394	0.16 507	0.17 491	0.24 489	0.24 502	0.18 522	0.24 519	0.15 445	0.16 543	0.15 456	0.15 525	0.08 468	0.06 469	0.07 347	0.08 513	0.08 496	0.07 441

CASS	0.13 450	0.12 597	0.11 290	0.23 661	0.09 394	0.15 475	0.17 491	0.18 343	0.19 418	0.17 492	0.18 437	0.15 445	0.15 515	0.14 428	0.14 490	0.09 537	0.06 469	0.10 588	0.08 513	0.09 561	0.07 441
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 342	0.07 263	0.13 398	0.16 234	0.11 565	0.11 298	0.17 491	0.18 343	0.17 364	0.11 309	0.18 437	0.10 305	0.10 359	0.15 456	0.11 330	0.06 191	0.05 304	0.06 228	0.06 326	0.05 194	0.04 88

anonymousa	0.13 450	0.07 263	0.13 398	0.18 428	0.09 394	0.13 411	0.17 491	0.19 374	0.29 570	0.15 444	0.24 519	0.15 445	0.14 497	0.14 428	0.14 490	0.07 382	0.05 304	0.07 347	0.09 561	0.05 194	0.06 351

ssnet	0.14 487	0.07 263	0.12 340	0.18 428	0.09 394	0.16 507	0.17 491	0.24 489	0.24 502	0.18 522	0.24 519	0.15 445	0.16 543	0.15 456	0.15 525	0.08 468	0.06 469	0.07 347	0.08 513	0.08 496	0.07 441

DCANet-4	0.10 288	0.06 129	0.12 340	0.16 234	0.06 45	0.09 169	0.17 491	0.18 343	0.19 418	0.13 389	0.16 385	0.09 267	0.14 497	0.11 232	0.12 400	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.05 236

fff	0.10 288	0.06 129	0.12 340	0.15 133	0.07 158	0.09 169	0.17 491	0.16 268	0.20 442	0.13 389	0.16 385	0.10 305	0.11 397	0.11 232	0.12 400	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.05 236

ADStereo(finetuned)	0.10 288	0.06 129	0.12 340	0.16 234	0.06 45	0.09 169	0.17 491	0.15 224	0.19 418	0.13 389	0.17 409	0.10 305	0.12 430	0.11 232	0.12 400	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

psmg	0.14 487	0.09 488	0.14 439	0.17 325	0.10 510	0.15 475	0.17 491	0.29 586	0.19 418	0.17 492	0.21 485	0.25 591	0.16 543	0.15 456	0.14 490	0.08 468	0.06 469	0.08 448	0.08 513	0.07 422	0.06 351

CSP-Net	0.16 558	0.09 488	0.14 439	0.16 234	0.09 394	0.19 575	0.17 491	0.25 508	0.32 595	0.25 632	0.30 608	0.24 577	0.15 515	0.21 611	0.18 575	0.09 537	0.06 469	0.07 347	0.07 430	0.08 496	0.07 441

DAS	0.15 533	0.08 401	0.18 583	0.19 511	0.10 510	0.19 575	0.17 491	0.27 549	0.29 570	0.18 522	0.25 548	0.21 535	0.15 515	0.16 491	0.12 400	0.08 468	0.06 469	0.06 228	0.06 326	0.07 422	0.07 441

SepStereo	0.15 533	0.08 401	0.18 583	0.19 511	0.10 510	0.19 575	0.17 491	0.27 549	0.29 570	0.18 522	0.25 548	0.21 535	0.15 515	0.25 651	0.12 400	0.08 468	0.06 469	0.06 228	0.06 326	0.07 422	0.07 441

IPLGR	0.11 342	0.09 488	0.16 525	0.18 428	0.08 258	0.12 353	0.17 491	0.21 414	0.24 502	0.11 309	0.12 315	0.11 336	0.08 264	0.12 332	0.12 400	0.06 191	0.05 304	0.06 228	0.06 326	0.04 54	0.04 88

DRaft	0.12 422	0.06 129	0.11 290	0.14 73	0.09 394	0.14 448	0.17 491	0.21 414	0.30 580	0.17 492	0.28 588	0.10 305	0.15 515	0.10 144	0.12 400	0.05 55	0.04 26	0.07 347	0.06 326	0.05 194	0.05 236

iRaftStereo_RVC	0.10 288	0.07 263	0.09 154	0.17 325	0.09 394	0.11 298	0.17 491	0.18 343	0.12 184	0.09 221	0.12 315	0.10 305	0.07 206	0.11 232	0.10 240	0.05 55	0.04 26	0.08 448	0.08 513	0.04 54	0.04 88

GEStereo_RVC	0.17 580	0.12 597	0.15 488	0.22 637	0.11 565	0.19 575	0.17 491	0.32 625	0.48 690	0.20 564	0.25 548	0.17 482	0.13 472	0.21 611	0.16 541	0.10 582	0.06 469	0.08 448	0.07 430	0.09 561	0.08 514

Anonymous3	0.16 558	0.13 625	0.33 677	0.26 689	0.14 647	0.27 673	0.17 491	0.28 570	0.28 563	0.15 444	0.17 409	0.14 414	0.10 359	0.15 456	0.12 400	0.08 468	0.08 581	0.08 448	0.08 513	0.08 496	0.11 623

ADLNet	0.16 558	0.08 401	0.15 488	0.16 234	0.10 510	0.16 507	0.17 491	0.32 625	0.27 548	0.22 596	0.27 574	0.24 577	0.16 543	0.18 551	0.21 615	0.10 582	0.06 469	0.10 588	0.10 603	0.08 496	0.09 563

HCRNet	0.16 558	0.24 708	0.12 340	0.35 728	0.11 565	0.15 475	0.17 491	0.26 527	0.22 473	0.19 541	0.24 519	0.21 535	0.14 497	0.15 456	0.13 447	0.11 614	0.07 547	0.11 620	0.10 603	0.09 561	0.07 441

DCANet	0.10 288	0.06 129	0.12 340	0.16 234	0.06 45	0.09 169	0.17 491	0.15 224	0.19 418	0.13 389	0.17 409	0.10 305	0.11 397	0.11 232	0.12 400	0.06 191	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

csc	0.10 288	0.06 129	0.12 340	0.15 133	0.07 158	0.09 169	0.17 491	0.16 268	0.20 442	0.13 389	0.16 385	0.10 305	0.11 397	0.11 232	0.12 400	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.05 236

cscssc	0.10 288	0.06 129	0.12 340	0.15 133	0.07 158	0.09 169	0.17 491	0.16 268	0.20 442	0.13 389	0.16 385	0.10 305	0.11 397	0.11 232	0.12 400	0.06 191	0.04 26	0.05 63	0.04 72	0.04 54	0.05 236

acv_ft	0.15 533	0.09 488	0.15 488	0.19 511	0.10 510	0.16 507	0.17 491	0.25 508	0.33 603	0.19 541	0.26 565	0.21 535	0.17 567	0.17 526	0.18 575	0.07 382	0.06 469	0.06 228	0.06 326	0.08 496	0.06 351

GANet-RSSM	0.14 487	0.07 263	0.13 398	0.13 23	0.08 258	0.14 448	0.17 491	0.22 441	0.21 459	0.17 492	0.24 519	0.23 571	0.15 515	0.16 491	0.15 525	0.10 582	0.06 469	0.07 347	0.08 513	0.08 496	0.07 441

MFN_U_SF_RVC	0.32 706	0.21 697	0.55 718	0.30 717	0.15 667	0.34 699	0.17 491	0.52 735	0.46 687	0.46 721	0.55 714	0.59 728	0.39 714	0.35 700	0.37 723	0.15 683	0.14 695	0.18 703	0.21 719	0.16 697	0.15 687

DMCA	0.14 487	0.09 488	0.16 525	0.19 511	0.09 394	0.15 475	0.17 491	0.23 465	0.27 548	0.14 417	0.19 448	0.17 482	0.18 583	0.15 456	0.17 557	0.10 582	0.06 469	0.08 448	0.06 326	0.09 561	0.10 595

CVANet_RVC	0.18 594	0.10 551	0.14 439	0.21 617	0.10 510	0.18 550	0.17 491	0.34 654	0.33 603	0.22 596	0.31 617	0.28 619	0.18 583	0.23 635	0.17 557	0.12 639	0.08 581	0.12 640	0.11 637	0.09 561	0.07 441

PS-NSSS	0.20 618	0.21 697	0.23 632	0.20 582	0.10 510	0.19 575	0.17 491	0.36 676	0.25 524	0.27 644	0.33 634	0.27 609	0.24 640	0.20 593	0.20 595	0.15 683	0.12 669	0.17 693	0.14 674	0.10 594	0.08 514

MLCV	0.12 422	0.07 263	0.16 525	0.18 428	0.06 45	0.15 475	0.17 491	0.19 374	0.21 459	0.18 522	0.25 548	0.17 482	0.13 472	0.14 428	0.13 447	0.05 55	0.04 26	0.05 63	0.04 72	0.05 194	0.04 88

DispFullNet	0.27 687	0.21 697	0.65 732	0.28 706	0.16 678	0.26 663	0.17 491	0.33 645	0.58 721	0.27 644	0.38 658	0.43 704	0.23 634	0.38 713	0.23 636	0.12 639	0.06 469	0.19 705	0.11 637	0.21 715	0.15 687

zzzzzzz1	0.11 342	0.07 263	0.13 398	0.21 617	0.10 510	0.12 353	0.18 542	0.22 441	0.20 442	0.13 389	0.12 315	0.08 221	0.08 264	0.13 390	0.09 126	0.05 55	0.05 304	0.07 347	0.07 430	0.05 194	0.05 236

DN	0.10 288	0.05 45	0.09 154	0.14 73	0.09 394	0.12 353	0.18 542	0.17 308	0.16 333	0.08 163	0.09 197	0.08 221	0.06 77	0.08 33	0.09 126	0.11 614	0.05 304	0.07 347	0.06 326	0.07 422	0.09 563

MonStereo1	0.47 734	0.26 717	0.58 725	0.28 706	0.20 712	0.39 715	0.18 542	0.49 726	0.64 734	0.52 724	0.87 748	1.01 749	0.57 746	0.50 733	0.56 749	0.53 755	0.31 751	0.54 752	0.40 746	0.33 743	0.34 743

z-ln-s-r	0.17 580	0.10 551	0.40 695	0.19 511	0.08 258	0.17 531	0.18 542	0.22 441	0.33 603	0.18 522	0.40 672	0.22 553	0.17 567	0.20 593	0.23 636	0.07 382	0.05 304	0.07 347	0.07 430	0.07 422	0.05 236

MM-Stereo_test2	0.09 207	0.06 129	0.09 154	0.19 511	0.08 258	0.12 353	0.18 542	0.15 224	0.14 263	0.07 99	0.10 237	0.07 151	0.06 77	0.12 332	0.09 126	0.05 55	0.04 26	0.06 228	0.05 216	0.05 194	0.03 2

MM-Stereo_test1	0.10 288	0.07 263	0.08 77	0.18 428	0.07 158	0.12 353	0.18 542	0.21 414	0.20 442	0.09 221	0.11 292	0.08 221	0.06 77	0.10 144	0.10 240	0.06 191	0.05 304	0.07 347	0.06 326	0.05 194	0.04 88

RAStereo	0.10 288	0.09 488	0.08 77	0.20 582	0.08 258	0.13 411	0.18 542	0.15 224	0.17 364	0.10 272	0.12 315	0.05 5	0.06 77	0.09 70	0.08 40	0.07 382	0.05 304	0.07 347	0.05 216	0.05 194	0.04 88

test_sample5	0.14 487	0.08 401	0.14 439	0.16 234	0.08 258	0.18 550	0.18 542	0.25 508	0.17 364	0.17 492	0.27 574	0.18 497	0.14 497	0.16 491	0.13 447	0.08 468	0.05 304	0.08 448	0.07 430	0.08 496	0.08 514

test_sample4	0.14 487	0.08 401	0.14 439	0.15 133	0.08 258	0.19 575	0.18 542	0.26 527	0.17 364	0.16 473	0.25 548	0.18 497	0.14 497	0.16 491	0.13 447	0.08 468	0.06 469	0.08 448	0.06 326	0.08 496	0.08 514

test_sample2	0.12 422	0.07 263	0.12 340	0.14 73	0.08 258	0.16 507	0.18 542	0.21 414	0.16 333	0.14 417	0.20 461	0.19 513	0.15 515	0.15 456	0.12 400	0.08 468	0.05 304	0.07 347	0.06 326	0.08 496	0.07 441

MyStereo07	0.10 288	0.07 263	0.10 227	0.17 325	0.09 394	0.14 448	0.18 542	0.15 224	0.15 291	0.09 221	0.06 30	0.06 55	0.07 206	0.12 332	0.09 126	0.06 191	0.05 304	0.08 448	0.07 430	0.06 334	0.06 351

MyStereo06	0.10 288	0.07 263	0.12 340	0.17 325	0.09 394	0.13 411	0.18 542	0.19 374	0.12 184	0.12 354	0.08 156	0.07 151	0.07 206	0.11 232	0.09 126	0.06 191	0.05 304	0.07 347	0.07 430	0.06 334	0.06 351

MyStereo05	0.13 450	0.07 263	0.10 227	0.17 325	0.09 394	0.13 411	0.18 542	0.27 549	0.35 624	0.17 492	0.14 351	0.15 445	0.11 397	0.15 456	0.13 447	0.06 191	0.05 304	0.07 347	0.07 430	0.06 334	0.06 351

MyStereo04	0.13 450	0.07 263	0.10 227	0.17 325	0.09 394	0.14 448	0.18 542	0.29 586	0.38 643	0.17 492	0.14 351	0.16 460	0.10 359	0.15 456	0.13 447	0.06 191	0.05 304	0.08 448	0.07 430	0.06 334	0.06 351

mmm	0.14 487	0.08 401	0.17 557	0.17 325	0.09 394	0.17 531	0.18 542	0.21 414	0.15 291	0.15 444	0.23 506	0.21 535	0.16 543	0.16 491	0.17 557	0.08 468	0.05 304	0.08 448	0.07 430	0.07 422	0.07 441

DualNet	0.14 487	0.08 401	0.14 439	0.16 234	0.08 258	0.18 550	0.18 542	0.25 508	0.17 364	0.17 492	0.27 574	0.18 497	0.14 497	0.16 491	0.13 447	0.08 468	0.05 304	0.08 448	0.07 430	0.08 496	0.08 514

ACVNet-4b	0.39 716	0.53 743	0.55 718	0.45 740	0.24 726	0.47 722	0.18 542	0.49 726	0.64 734	0.42 713	0.45 696	0.60 729	0.27 663	0.34 693	0.24 649	0.33 742	0.14 695	0.48 746	0.42 748	0.30 738	0.26 735

LL-Strereo	0.13 450	0.09 488	0.11 290	0.20 582	0.10 510	0.11 298	0.18 542	0.32 625	0.24 502	0.15 444	0.15 372	0.14 414	0.13 472	0.19 568	0.11 330	0.06 191	0.04 26	0.09 538	0.08 513	0.04 54	0.05 236

dd	0.15 533	0.16 656	0.16 525	0.19 511	0.09 394	0.15 475	0.18 542	0.21 414	0.25 524	0.23 609	0.20 461	0.21 535	0.09 311	0.21 611	0.16 541	0.10 582	0.06 469	0.08 448	0.06 326	0.08 496	0.06 351

dad	0.17 580	0.20 691	0.20 607	0.16 234	0.11 565	0.20 591	0.18 542	0.21 414	0.28 563	0.30 673	0.24 519	0.29 628	0.13 472	0.19 568	0.16 541	0.18 709	0.09 618	0.11 620	0.09 561	0.11 617	0.07 441

SACVNet	0.18 594	0.12 597	0.14 439	0.17 325	0.13 625	0.22 620	0.18 542	0.31 614	0.30 580	0.23 609	0.31 617	0.30 638	0.22 626	0.22 624	0.17 557	0.11 614	0.08 581	0.10 588	0.10 603	0.12 635	0.14 680

s12784h	0.09 207	0.06 129	0.07 28	0.15 133	0.05 2	0.16 507	0.18 542	0.15 224	0.15 291	0.10 272	0.11 292	0.11 336	0.11 397	0.10 144	0.12 400	0.05 55	0.04 26	0.05 63	0.04 72	0.04 54	0.04 88

222	0.16 558	0.07 263	0.14 439	0.14 73	0.08 258	0.24 641	0.18 542	0.30 601	0.20 442	0.17 492	0.28 588	0.17 482	0.16 543	0.15 456	0.40 731	0.10 582	0.05 304	0.07 347	0.06 326	0.07 422	0.08 514

xxxx	0.15 533	0.07 263	0.14 439	0.14 73	0.08 258	0.23 636	0.18 542	0.31 614	0.19 418	0.14 417	0.28 588	0.22 553	0.14 497	0.15 456	0.26 671	0.09 537	0.05 304	0.07 347	0.07 430	0.08 496	0.07 441

ARAFT	0.12 422	0.08 401	0.17 557	0.19 511	0.09 394	0.14 448	0.18 542	0.20 387	0.12 184	0.12 354	0.13 335	0.14 414	0.11 397	0.15 456	0.12 400	0.06 191	0.05 304	0.10 588	0.09 561	0.05 194	0.04 88

ac_64	0.16 558	0.08 401	0.15 488	0.18 428	0.10 510	0.22 620	0.18 542	0.24 489	0.21 459	0.18 522	0.24 519	0.29 628	0.18 583	0.19 568	0.22 624	0.09 537	0.07 547	0.08 448	0.09 561	0.07 422	0.06 351

HGLStereo	0.17 580	0.08 401	0.19 595	0.17 325	0.12 602	0.18 550	0.18 542	0.31 614	0.32 595	0.21 580	0.32 621	0.25 591	0.18 583	0.19 568	0.20 595	0.09 537	0.09 618	0.07 347	0.07 430	0.09 561	0.10 595

CFNet-ft	0.14 487	0.07 263	0.15 488	0.12 7	0.09 394	0.16 507	0.18 542	0.22 441	0.24 502	0.17 492	0.26 565	0.24 577	0.14 497	0.16 491	0.14 490	0.11 614	0.06 469	0.08 448	0.09 561	0.09 561	0.08 514

FAT-Stereo	0.20 618	0.12 597	0.22 623	0.21 617	0.12 602	0.17 531	0.18 542	0.34 654	0.39 648	0.27 644	0.37 652	0.34 671	0.32 695	0.21 611	0.20 595	0.09 537	0.11 653	0.10 588	0.09 561	0.11 617	0.14 680

DMCA-RVC	0.17 580	0.10 551	0.15 488	0.24 670	0.11 565	0.18 550	0.18 542	0.25 508	0.24 502	0.21 580	0.26 565	0.25 591	0.27 663	0.18 551	0.20 595	0.12 639	0.08 581	0.13 655	0.10 603	0.10 594	0.08 514

S-Stereo	0.20 618	0.12 597	0.25 641	0.21 617	0.13 625	0.20 591	0.18 542	0.32 625	0.43 674	0.23 609	0.36 646	0.28 619	0.30 686	0.19 568	0.22 624	0.09 537	0.12 669	0.10 588	0.10 603	0.13 655	0.13 661

SuperB	0.20 618	0.10 551	0.56 721	0.16 234	0.09 394	0.18 550	0.18 542	0.24 489	0.50 702	0.26 638	0.39 666	0.17 482	0.21 617	0.22 624	0.21 615	0.08 468	0.06 469	0.06 228	0.06 326	0.12 635	0.10 595

ADCRef	0.19 606	0.12 597	0.41 698	0.20 582	0.12 602	0.22 620	0.18 542	0.32 625	0.36 629	0.26 638	0.32 621	0.17 482	0.23 634	0.24 645	0.24 649	0.07 382	0.06 469	0.09 538	0.09 561	0.08 496	0.08 514

TDLM	0.17 580	0.12 597	0.13 398	0.24 670	0.10 510	0.18 550	0.18 542	0.36 676	0.30 580	0.21 580	0.28 588	0.28 619	0.18 583	0.23 635	0.18 575	0.11 614	0.07 547	0.10 588	0.10 603	0.08 496	0.08 514

CFNet_RVC	0.14 487	0.07 263	0.15 488	0.12 7	0.09 394	0.16 507	0.18 542	0.22 441	0.24 502	0.17 492	0.26 565	0.24 577	0.14 497	0.16 491	0.14 490	0.11 614	0.06 469	0.08 448	0.09 561	0.09 561	0.08 514

NLCA_NET_v2_RVC	0.17 580	0.10 551	0.22 623	0.20 582	0.10 510	0.15 475	0.18 542	0.31 614	0.25 524	0.21 580	0.30 608	0.25 591	0.17 567	0.21 611	0.20 595	0.09 537	0.06 469	0.08 448	0.08 513	0.07 422	0.08 514
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 580	0.12 597	0.15 488	0.20 582	0.09 394	0.18 550	0.18 542	0.26 527	0.23 485	0.26 638	0.40 672	0.22 553	0.17 567	0.21 611	0.20 595	0.08 468	0.05 304	0.09 538	0.10 603	0.07 422	0.07 441
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	0.13 450	0.10 551	0.18 583	0.19 511	0.08 258	0.13 411	0.18 542	0.20 387	0.26 538	0.15 444	0.23 506	0.15 445	0.13 472	0.14 428	0.14 490	0.06 191	0.04 26	0.06 228	0.05 216	0.06 334	0.05 236

DISCO	0.19 606	0.09 488	0.22 623	0.17 325	0.10 510	0.25 652	0.18 542	0.27 549	0.44 679	0.22 596	0.31 617	0.33 664	0.26 655	0.28 669	0.28 687	0.08 468	0.06 469	0.07 347	0.07 430	0.09 561	0.09 563

DLCB_ROB	0.18 594	0.10 551	0.15 488	0.23 661	0.11 565	0.24 641	0.18 542	0.29 586	0.28 563	0.27 644	0.28 588	0.28 619	0.24 640	0.19 568	0.20 595	0.08 468	0.08 581	0.09 538	0.09 561	0.07 422	0.07 441

SGM_RVC	0.23 657	0.12 597	0.15 488	0.15 133	0.09 394	0.33 696	0.18 542	0.34 654	0.31 588	0.44 717	0.37 652	0.53 725	0.35 705	0.35 700	0.24 649	0.13 665	0.13 684	0.13 655	0.13 670	0.10 594	0.11 623
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
S	0.12 422	0.08 401	0.09 154	0.20 582	0.08 258	0.13 411	0.19 583	0.17 308	0.16 333	0.13 389	0.11 292	0.13 391	0.10 359	0.11 232	0.13 447	0.09 537	0.07 547	0.13 655	0.15 691	0.06 334	0.04 88

DStereoO	0.24 664	0.18 679	0.18 583	0.20 582	0.14 647	0.21 611	0.19 583	0.32 625	0.41 657	0.29 668	0.21 485	0.32 660	0.27 663	0.41 726	0.27 679	0.46 751	0.12 669	0.31 739	0.11 637	0.15 688	0.12 638

NLCSM	0.11 342	0.09 488	0.09 154	0.23 661	0.11 565	0.12 353	0.19 583	0.18 343	0.18 398	0.12 354	0.11 292	0.07 151	0.09 311	0.11 232	0.10 240	0.07 382	0.08 581	0.07 347	0.07 430	0.06 334	0.05 236

xyz-stereo-finetune2	0.11 342	0.07 263	0.13 398	0.13 23	0.07 158	0.11 298	0.19 583	0.17 308	0.12 184	0.15 444	0.15 372	0.17 482	0.12 430	0.13 390	0.11 330	0.05 55	0.04 26	0.07 347	0.05 216	0.04 54	0.06 351

xyz-stereo-finetune	0.11 342	0.08 401	0.13 398	0.14 73	0.06 45	0.10 240	0.19 583	0.17 308	0.19 418	0.12 354	0.14 351	0.15 445	0.10 359	0.13 390	0.11 330	0.05 55	0.04 26	0.07 347	0.05 216	0.04 54	0.05 236

MM-Stereo_test3	0.10 288	0.07 263	0.07 28	0.18 428	0.07 158	0.12 353	0.19 583	0.24 489	0.19 418	0.06 39	0.10 237	0.08 221	0.06 77	0.11 232	0.08 40	0.06 191	0.06 469	0.07 347	0.05 216	0.05 194	0.04 88

PSMNet-RUCA	0.27 687	0.33 732	0.41 698	0.36 730	0.32 740	0.18 550	0.19 583	0.42 709	0.30 580	0.33 689	0.41 683	0.39 694	0.25 649	0.31 679	0.20 595	0.18 709	0.10 640	0.25 721	0.15 691	0.21 715	0.16 699

rvit_0105_4	0.14 487	0.09 488	0.17 557	0.17 325	0.10 510	0.12 353	0.19 583	0.23 465	0.27 548	0.14 417	0.20 461	0.17 482	0.13 472	0.17 526	0.13 447	0.15 683	0.11 653	0.11 620	0.10 603	0.09 561	0.06 351

test_sample6	0.14 487	0.08 401	0.13 398	0.16 234	0.08 258	0.17 531	0.19 583	0.25 508	0.17 364	0.17 492	0.27 574	0.19 513	0.14 497	0.15 456	0.13 447	0.08 468	0.05 304	0.08 448	0.07 430	0.08 496	0.08 514

CroCo-Stereo Lap2	0.09 207	0.09 488	0.08 77	0.22 637	0.09 394	0.09 169	0.19 583	0.16 268	0.12 184	0.09 221	0.10 237	0.05 5	0.05 16	0.08 33	0.08 40	0.06 191	0.06 469	0.07 347	0.05 216	0.05 194	0.05 236

CroCo-Stereo	0.09 207	0.08 401	0.08 77	0.22 637	0.09 394	0.09 169	0.19 583	0.15 224	0.12 184	0.07 99	0.07 87	0.08 221	0.06 77	0.08 33	0.07 9	0.07 382	0.05 304	0.06 228	0.04 72	0.05 194	0.04 88
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
psm_up	0.18 594	0.10 551	0.18 583	0.20 582	0.11 565	0.17 531	0.19 583	0.37 682	0.34 615	0.21 580	0.28 588	0.29 628	0.24 640	0.20 593	0.22 624	0.09 537	0.10 640	0.11 620	0.11 637	0.08 496	0.08 514

UNet	0.17 580	0.09 488	0.18 583	0.19 511	0.12 602	0.27 673	0.19 583	0.33 645	0.29 570	0.21 580	0.24 519	0.23 571	0.19 600	0.19 568	0.18 575	0.07 382	0.06 469	0.08 448	0.07 430	0.08 496	0.06 351

aanetorigin	0.22 640	0.17 667	0.56 721	0.17 325	0.10 510	0.15 475	0.19 583	0.20 387	0.33 603	0.49 722	0.48 701	0.29 628	0.27 663	0.20 593	0.23 636	0.08 468	0.07 547	0.08 448	0.07 430	0.10 594	0.09 563

GwcNet	0.20 618	0.13 625	0.19 595	0.18 428	0.12 602	0.24 641	0.19 583	0.35 669	0.43 674	0.20 564	0.32 621	0.33 664	0.20 613	0.22 624	0.24 649	0.11 614	0.09 618	0.09 538	0.09 561	0.09 561	0.10 595

cf-r	0.13 450	0.07 263	0.12 340	0.16 234	0.08 258	0.14 448	0.19 583	0.20 387	0.25 524	0.17 492	0.25 548	0.21 535	0.16 543	0.14 428	0.14 490	0.10 582	0.05 304	0.06 228	0.08 513	0.06 334	0.06 351

DSFCA	0.16 558	0.09 488	0.14 439	0.16 234	0.10 510	0.20 591	0.19 583	0.28 570	0.31 588	0.23 609	0.24 519	0.22 553	0.15 515	0.19 568	0.20 595	0.10 582	0.07 547	0.09 538	0.09 561	0.08 496	0.08 514

stereogan	0.22 640	0.11 579	0.21 617	0.20 582	0.12 602	0.31 688	0.19 583	0.35 669	0.44 679	0.22 596	0.39 666	0.35 675	0.27 663	0.33 690	0.22 624	0.10 582	0.12 669	0.10 588	0.10 603	0.14 671	0.13 661

CC-Net-ROB	0.28 692	0.31 730	0.36 686	0.29 715	0.15 667	0.25 652	0.19 583	0.45 719	0.33 603	0.39 703	0.37 652	0.39 694	0.31 690	0.27 657	0.26 671	0.24 736	0.19 724	0.30 738	0.23 726	0.18 709	0.15 687

DANet	0.21 631	0.15 648	0.28 656	0.25 683	0.13 625	0.22 620	0.19 583	0.27 549	0.27 548	0.28 659	0.32 621	0.35 675	0.31 690	0.31 679	0.23 636	0.11 614	0.09 618	0.11 620	0.10 603	0.13 655	0.11 623
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	0.16 558	0.10 551	0.10 227	0.18 428	0.09 394	0.18 550	0.19 583	0.26 527	0.31 588	0.22 596	0.35 643	0.21 535	0.21 617	0.22 624	0.16 541	0.06 191	0.05 304	0.06 228	0.06 326	0.07 422	0.06 351

SGM-ForestM	0.32 706	0.12 597	0.16 525	0.16 234	0.11 565	0.39 715	0.19 583	0.41 704	0.50 702	0.52 724	0.54 712	1.32 762	0.42 726	0.40 723	0.27 679	0.14 679	0.16 713	0.16 690	0.16 698	0.12 635	0.12 638

MDST_ROB	0.22 640	0.10 551	0.17 557	0.18 428	0.11 565	0.37 710	0.19 583	0.43 714	0.41 657	0.39 703	0.39 666	0.29 628	0.21 617	0.26 654	0.18 575	0.11 614	0.10 640	0.14 669	0.11 637	0.10 594	0.08 514

XPNet_ROB	0.22 640	0.11 579	0.19 595	0.22 637	0.13 625	0.22 620	0.19 583	0.34 654	0.40 654	0.30 673	0.39 666	0.39 694	0.26 655	0.26 654	0.28 687	0.15 683	0.10 640	0.10 588	0.10 603	0.13 655	0.12 638

PStereo	0.20 618	0.22 701	0.20 607	0.17 325	0.10 510	0.13 411	0.20 607	0.27 549	0.38 643	0.20 564	0.14 351	0.28 619	0.31 690	0.24 645	0.31 706	0.18 709	0.13 684	0.15 682	0.11 637	0.12 635	0.12 638

DStereoFS	0.27 687	0.22 701	0.31 669	0.22 637	0.15 667	0.22 620	0.20 607	0.50 730	0.48 690	0.28 659	0.44 694	0.33 664	0.34 702	0.52 738	0.29 691	0.12 639	0.11 653	0.15 682	0.13 670	0.16 697	0.16 699

DStereoSA	0.25 676	0.19 684	0.37 690	0.26 689	0.17 694	0.22 620	0.20 607	0.49 726	0.59 722	0.22 596	0.29 600	0.29 628	0.33 697	0.39 718	0.28 687	0.12 639	0.11 653	0.16 690	0.14 674	0.14 671	0.12 638

NLMM1	0.11 342	0.09 488	0.07 28	0.22 637	0.10 510	0.12 353	0.20 607	0.18 343	0.20 442	0.12 354	0.11 292	0.07 151	0.09 311	0.11 232	0.11 330	0.08 468	0.08 581	0.07 347	0.06 326	0.04 54	0.04 88

UGAM	0.13 450	0.10 551	0.09 154	0.22 637	0.08 258	0.12 353	0.20 607	0.17 308	0.23 485	0.21 580	0.16 385	0.13 391	0.13 472	0.19 568	0.12 400	0.07 382	0.05 304	0.13 655	0.11 637	0.07 422	0.05 236

Wz-Net-LNSev-Ref	0.18 594	0.09 488	0.29 664	0.15 133	0.10 510	0.22 620	0.20 607	0.26 527	0.39 648	0.25 632	0.42 689	0.24 577	0.15 515	0.20 593	0.19 588	0.07 382	0.05 304	0.06 228	0.05 216	0.10 594	0.09 563

UDG	0.21 631	0.17 667	0.19 595	0.23 661	0.15 667	0.30 687	0.20 607	0.33 645	0.35 624	0.23 609	0.28 588	0.31 651	0.27 663	0.20 593	0.22 624	0.15 683	0.12 669	0.13 655	0.09 561	0.14 671	0.14 680

GwcNet-ADL	0.13 450	0.08 401	0.14 439	0.20 582	0.09 394	0.11 298	0.20 607	0.30 601	0.24 502	0.13 389	0.14 351	0.18 497	0.14 497	0.13 390	0.14 490	0.07 382	0.05 304	0.06 228	0.05 216	0.07 422	0.06 351

PSMNet-ADL	0.15 533	0.12 597	0.13 398	0.22 637	0.09 394	0.13 411	0.20 607	0.26 527	0.23 485	0.18 522	0.20 461	0.24 577	0.16 543	0.18 551	0.17 557	0.08 468	0.08 581	0.08 448	0.11 637	0.08 496	0.07 441

LMCR-Stereo	0.15 533	0.08 401	0.13 398	0.21 617	0.09 394	0.17 531	0.20 607	0.27 549	0.19 418	0.24 619	0.24 519	0.23 571	0.17 567	0.20 593	0.17 557	0.07 382	0.06 469	0.08 448	0.06 326	0.10 594	0.08 514

DGSMNet	0.24 664	0.19 684	0.33 677	0.21 617	0.24 726	0.24 641	0.20 607	0.35 669	0.41 657	0.24 619	0.32 621	0.38 686	0.21 617	0.29 675	0.23 636	0.12 639	0.11 653	0.14 669	0.16 698	0.23 722	0.23 725

test_xeample	0.15 533	0.06 129	0.13 398	0.14 73	0.08 258	0.21 611	0.20 607	0.28 570	0.20 442	0.16 473	0.29 600	0.19 513	0.16 543	0.15 456	0.26 671	0.09 537	0.05 304	0.07 347	0.07 430	0.07 422	0.07 441

Syn2CoEx	0.21 631	0.16 656	0.27 651	0.29 715	0.14 647	0.26 663	0.20 607	0.33 645	0.31 588	0.28 659	0.36 646	0.27 609	0.25 649	0.19 568	0.24 649	0.16 699	0.12 669	0.14 669	0.11 637	0.09 561	0.08 514

MMNet	0.17 580	0.09 488	0.16 525	0.20 582	0.11 565	0.27 673	0.20 607	0.25 508	0.41 657	0.22 596	0.30 608	0.21 535	0.20 613	0.17 526	0.20 595	0.06 191	0.06 469	0.07 347	0.07 430	0.08 496	0.07 441

EDNetEfficient	0.29 696	0.24 708	1.13 762	0.18 428	0.10 510	0.19 575	0.20 607	0.20 387	0.60 726	0.74 749	0.56 719	0.31 651	0.39 714	0.22 624	0.30 698	0.09 537	0.07 547	0.08 448	0.07 430	0.11 617	0.09 563

ACVNet	0.15 533	0.09 488	0.15 488	0.13 23	0.12 602	0.14 448	0.20 607	0.22 441	0.33 603	0.17 492	0.26 565	0.21 535	0.16 543	0.17 526	0.21 615	0.07 382	0.06 469	0.06 228	0.06 326	0.08 496	0.06 351

hitnet-ft	0.18 594	0.09 488	0.17 557	0.14 73	0.09 394	0.26 663	0.20 607	0.25 508	0.26 538	0.24 619	0.32 621	0.31 651	0.22 626	0.24 645	0.21 615	0.12 639	0.07 547	0.10 588	0.08 513	0.12 635	0.11 623

GwcNet-RSSM	0.14 487	0.07 263	0.12 340	0.15 133	0.08 258	0.15 475	0.20 607	0.21 414	0.27 548	0.18 522	0.27 574	0.22 553	0.16 543	0.14 428	0.15 525	0.10 582	0.05 304	0.07 347	0.09 561	0.07 422	0.07 441

RP	0.21 631	0.13 625	0.21 617	0.23 661	0.11 565	0.21 611	0.20 607	0.25 508	0.44 679	0.21 580	0.38 658	0.36 677	0.24 640	0.27 657	0.25 659	0.11 614	0.12 669	0.13 655	0.12 659	0.12 635	0.14 680

RTS	0.45 730	0.19 684	3.26 771	0.24 670	0.15 667	0.74 746	0.20 607	0.36 676	0.76 750	0.42 713	0.43 692	0.31 651	0.41 722	0.53 741	0.35 717	0.10 582	0.08 581	0.13 655	0.12 659	0.15 688	0.15 687

RTSA	0.45 730	0.19 684	3.26 771	0.24 670	0.15 667	0.74 746	0.20 607	0.36 676	0.76 750	0.42 713	0.43 692	0.31 651	0.41 722	0.53 741	0.35 717	0.10 582	0.08 581	0.13 655	0.12 659	0.15 688	0.15 687

MEA-ACV	0.16 558	0.07 263	0.17 557	0.16 234	0.11 565	0.20 591	0.21 628	0.30 601	0.38 643	0.20 564	0.29 600	0.14 414	0.19 600	0.16 491	0.16 541	0.08 468	0.07 547	0.09 538	0.11 637	0.07 422	0.07 441

w-ln-seven-2	0.20 618	0.14 638	0.37 690	0.22 637	0.12 602	0.20 591	0.21 628	0.28 570	0.37 636	0.25 632	0.37 652	0.27 609	0.22 626	0.21 611	0.23 636	0.08 468	0.08 581	0.09 538	0.09 561	0.10 594	0.09 563

DispNO	0.14 487	0.08 401	0.17 557	0.19 511	0.12 602	0.11 298	0.21 628	0.23 465	0.29 570	0.17 492	0.23 506	0.18 497	0.17 567	0.15 456	0.15 525	0.07 382	0.05 304	0.08 448	0.08 513	0.07 422	0.06 351

StereoVision	0.13 450	0.12 597	0.09 154	0.24 670	0.10 510	0.15 475	0.21 628	0.21 414	0.20 442	0.12 354	0.24 519	0.10 305	0.10 359	0.16 491	0.10 240	0.09 537	0.11 653	0.12 640	0.12 659	0.06 334	0.05 236

fast-acv-ft	0.18 594	0.11 579	0.19 595	0.19 511	0.12 602	0.24 641	0.21 628	0.25 508	0.34 615	0.22 596	0.34 639	0.27 609	0.20 613	0.21 611	0.23 636	0.09 537	0.09 618	0.08 448	0.10 603	0.08 496	0.07 441

ssnet_v2	0.17 580	0.10 551	0.17 557	0.17 325	0.11 565	0.21 611	0.21 628	0.33 645	0.25 524	0.22 596	0.22 497	0.27 609	0.18 583	0.22 624	0.20 595	0.11 614	0.09 618	0.09 538	0.09 561	0.08 496	0.08 514

ICVP	0.15 533	0.09 488	0.12 340	0.22 637	0.09 394	0.17 531	0.21 628	0.25 508	0.23 485	0.18 522	0.30 608	0.26 601	0.18 583	0.17 526	0.14 490	0.09 537	0.07 547	0.08 448	0.07 430	0.07 422	0.07 441
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 450	0.14 638	0.11 290	0.23 661	0.08 258	0.15 475	0.21 628	0.20 387	0.23 485	0.14 417	0.24 519	0.16 460	0.12 430	0.16 491	0.14 490	0.05 55	0.06 469	0.08 448	0.06 326	0.09 561	0.05 236

ccnet	0.29 696	0.28 725	0.23 632	0.20 582	0.28 734	0.41 718	0.21 628	0.45 719	0.33 603	0.36 696	0.46 697	0.36 677	0.30 686	0.39 718	0.42 735	0.23 734	0.14 695	0.21 711	0.17 705	0.23 722	0.18 714

delet	0.17 580	0.08 401	0.17 557	0.19 511	0.11 565	0.20 591	0.21 628	0.30 601	0.37 636	0.17 492	0.26 565	0.19 513	0.19 600	0.19 568	0.21 615	0.08 468	0.08 581	0.09 538	0.11 637	0.06 334	0.06 351

STTStereo	0.18 594	0.12 597	0.27 651	0.20 582	0.11 565	0.16 507	0.21 628	0.29 586	0.23 485	0.21 580	0.30 608	0.29 628	0.18 583	0.20 593	0.19 588	0.12 639	0.11 653	0.11 620	0.14 674	0.09 561	0.08 514

MWDA-net	0.15 533	0.08 401	0.15 488	0.16 234	0.10 510	0.20 591	0.22 639	0.25 508	0.35 624	0.18 522	0.24 519	0.18 497	0.17 567	0.17 526	0.14 490	0.08 468	0.05 304	0.08 448	0.07 430	0.07 422	0.07 441

zh-mn7	0.25 676	0.14 638	0.56 721	0.19 511	0.14 647	0.24 641	0.22 639	0.34 654	0.62 729	0.35 693	0.65 728	0.31 651	0.25 649	0.31 679	0.25 659	0.09 537	0.08 581	0.09 538	0.09 561	0.09 561	0.11 623

w-ln-seven	0.24 664	0.14 638	0.55 718	0.19 511	0.14 647	0.26 663	0.22 639	0.35 669	0.60 726	0.29 668	0.39 666	0.30 638	0.22 626	0.21 611	0.26 671	0.09 537	0.09 618	0.11 620	0.10 603	0.11 617	0.10 595

coex-ft	3.30 770	0.34 733	59.09 811	0.18 428	0.13 625	0.26 663	0.22 639	0.27 549	0.72 743	1.90 778	0.70 736	0.44 706	0.45 732	0.29 675	0.41 734	0.09 537	0.09 618	0.12 640	0.09 561	0.14 671	0.13 661

Anonymous_2	0.22 640	0.17 667	0.28 656	0.15 133	0.16 678	0.32 689	0.22 639	0.22 441	0.17 364	0.23 609	0.24 519	0.26 601	0.27 663	0.27 657	0.23 636	0.22 729	0.25 744	0.17 693	0.17 705	0.17 705	0.17 709

Sa-1000	0.12 422	0.08 401	0.08 77	0.18 428	0.08 258	0.14 448	0.22 639	0.22 441	0.18 398	0.15 444	0.20 461	0.17 482	0.11 397	0.10 144	0.10 240	0.06 191	0.05 304	0.09 538	0.09 561	0.05 194	0.05 236

test_4	0.10 288	0.10 551	0.08 77	0.19 511	0.09 394	0.08 103	0.22 639	0.15 224	0.17 364	0.12 354	0.18 437	0.12 358	0.09 311	0.08 33	0.11 330	0.04 11	0.04 26	0.08 448	0.08 513	0.04 54	0.03 2

GANet	0.21 631	0.12 597	0.21 617	0.24 670	0.13 625	0.22 620	0.22 639	0.41 704	0.26 538	0.31 679	0.42 689	0.37 682	0.28 674	0.23 635	0.22 624	0.10 582	0.12 669	0.10 588	0.09 561	0.10 594	0.08 514

DRN-Test	0.19 606	0.11 579	0.20 607	0.22 637	0.10 510	0.22 620	0.22 639	0.39 694	0.37 636	0.24 619	0.32 621	0.26 601	0.21 617	0.22 624	0.24 649	0.11 614	0.07 547	0.11 620	0.10 603	0.09 561	0.07 441

StereoDRNet	0.18 594	0.11 579	0.17 557	0.22 637	0.11 565	0.21 611	0.22 639	0.37 682	0.33 603	0.24 619	0.28 588	0.30 638	0.19 600	0.20 593	0.20 595	0.09 537	0.08 581	0.11 620	0.09 561	0.09 561	0.07 441

FBW_ROB	0.24 664	0.17 667	0.22 623	0.26 689	0.14 647	0.25 652	0.22 639	0.41 704	0.41 657	0.41 710	0.41 683	0.42 701	0.27 663	0.31 679	0.23 636	0.09 537	0.14 695	0.14 669	0.12 659	0.11 617	0.09 563

SGM-Forest	0.20 618	0.14 638	0.18 583	0.19 511	0.13 625	0.20 591	0.22 639	0.33 645	0.30 580	0.24 619	0.29 600	0.28 619	0.19 600	0.23 635	0.17 557	0.15 683	0.16 713	0.15 682	0.14 674	0.12 635	0.12 638
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MWSP-net	0.15 533	0.08 401	0.17 557	0.17 325	0.10 510	0.16 507	0.23 651	0.29 586	0.32 595	0.18 522	0.19 448	0.17 482	0.13 472	0.18 551	0.14 490	0.08 468	0.05 304	0.07 347	0.07 430	0.07 422	0.08 514

S0	0.12 422	0.08 401	0.08 77	0.20 582	0.07 158	0.18 550	0.23 651	0.15 224	0.15 291	0.10 272	0.10 237	0.13 391	0.08 264	0.12 332	0.11 330	0.09 537	0.10 640	0.14 669	0.14 674	0.05 194	0.04 88

light-stereo	0.42 724	0.26 717	0.59 727	0.60 748	0.49 748	0.32 689	0.23 651	0.46 721	0.52 711	0.56 731	0.58 724	0.76 744	0.32 695	0.48 731	0.29 691	0.32 740	0.24 742	0.27 726	0.33 742	0.46 746	0.39 747

YMNet	0.20 618	0.12 597	0.19 595	0.20 582	0.14 647	0.26 663	0.23 651	0.32 625	0.34 615	0.27 644	0.34 639	0.30 638	0.18 583	0.18 551	0.22 624	0.10 582	0.13 684	0.10 588	0.10 603	0.08 496	0.09 563

YMNet_1	0.20 618	0.12 597	0.19 595	0.20 582	0.14 647	0.26 663	0.23 651	0.32 625	0.34 615	0.27 644	0.34 639	0.30 638	0.18 583	0.18 551	0.22 624	0.10 582	0.13 684	0.10 588	0.10 603	0.08 496	0.09 563

rvit_0105_5	0.14 487	0.09 488	0.13 398	0.17 325	0.09 394	0.14 448	0.23 651	0.24 489	0.27 548	0.14 417	0.15 372	0.18 497	0.12 430	0.17 526	0.14 490	0.14 679	0.11 653	0.10 588	0.10 603	0.08 496	0.06 351

Wz-Net-SNSev	0.25 676	0.17 667	0.44 702	0.25 683	0.14 647	0.26 663	0.23 651	0.38 690	0.56 716	0.30 673	0.55 714	0.39 694	0.26 655	0.23 635	0.30 698	0.10 582	0.09 618	0.09 538	0.10 603	0.11 617	0.11 623

Wz-Net-LNSev	0.22 640	0.16 656	0.38 692	0.21 617	0.13 625	0.25 652	0.23 651	0.32 625	0.43 674	0.30 673	0.41 683	0.31 651	0.18 583	0.22 624	0.25 659	0.10 582	0.09 618	0.08 448	0.08 513	0.12 635	0.11 623

FINET	0.21 631	0.18 679	0.26 644	0.18 428	0.16 678	0.23 636	0.23 651	0.32 625	0.48 690	0.25 632	0.32 621	0.22 553	0.22 626	0.22 624	0.17 557	0.18 709	0.16 713	0.11 620	0.10 603	0.15 688	0.13 661

UPFNet	0.16 558	0.08 401	0.12 340	0.20 582	0.12 602	0.20 591	0.23 651	0.28 570	0.26 538	0.17 492	0.24 519	0.22 553	0.19 600	0.19 568	0.21 615	0.09 537	0.07 547	0.08 448	0.09 561	0.08 496	0.06 351

RGC	0.25 676	0.20 691	0.29 664	0.28 706	0.16 678	0.22 620	0.23 651	0.32 625	0.44 679	0.27 644	0.40 672	0.38 686	0.27 663	0.36 706	0.22 624	0.11 614	0.13 684	0.17 693	0.17 705	0.14 671	0.16 699

G-Net	0.24 664	0.16 656	0.36 686	0.22 637	0.16 678	0.51 728	0.23 651	0.29 586	0.34 615	0.36 696	0.38 658	0.31 651	0.29 682	0.27 657	0.26 671	0.11 614	0.09 618	0.12 640	0.09 561	0.16 697	0.13 661

ADCS	0.29 696	0.18 679	0.45 703	0.21 617	0.17 694	0.28 680	0.23 651	0.41 704	0.63 733	0.40 706	0.49 702	0.40 698	0.36 707	0.39 718	0.40 731	0.13 665	0.12 669	0.13 655	0.14 674	0.16 697	0.16 699

NVstereo2D	0.19 606	0.10 551	0.15 488	0.17 325	0.15 667	0.28 680	0.23 651	0.44 716	0.42 667	0.15 444	0.27 574	0.25 591	0.19 600	0.22 624	0.17 557	0.09 537	0.06 469	0.10 588	0.08 513	0.15 688	0.09 563

NCCL2	0.23 657	0.15 648	0.17 557	0.34 725	0.18 701	0.24 641	0.23 651	0.34 654	0.28 563	0.31 679	0.38 658	0.38 686	0.28 674	0.23 635	0.24 649	0.15 683	0.12 669	0.18 703	0.21 719	0.13 655	0.13 661

UHP	1.94 767	0.24 708	1.06 760	0.34 725	0.18 701	5.35 780	0.24 666	0.86 755	4.09 782	2.33 779	11.82 793	7.01 785	2.71 782	0.87 761	0.60 752	0.17 705	0.14 695	0.19 705	0.17 705	0.21 715	0.16 699

zh-sn7	0.25 676	0.17 667	0.50 710	0.24 670	0.13 625	0.25 652	0.24 666	0.34 654	0.48 690	0.28 659	0.54 712	0.28 619	0.31 690	0.36 706	0.32 709	0.10 582	0.10 640	0.11 620	0.10 603	0.12 635	0.12 638

TCMNet	0.19 606	0.12 597	0.19 595	0.20 582	0.18 701	0.20 591	0.24 666	0.27 549	0.36 629	0.23 609	0.26 565	0.25 591	0.19 600	0.19 568	0.23 636	0.13 665	0.11 653	0.11 620	0.12 659	0.13 655	0.12 638

otaku	0.39 716	0.37 736	0.52 712	0.44 739	0.28 734	0.58 732	0.24 666	0.41 704	0.62 729	0.40 706	0.49 702	0.46 712	0.33 697	0.40 723	0.32 709	0.30 739	0.30 748	0.39 743	0.33 742	0.29 737	0.28 736

Ntro	0.40 719	0.40 738	0.53 714	0.46 743	0.30 738	0.65 739	0.24 666	0.46 721	0.68 740	0.41 710	0.49 702	0.48 718	0.42 726	0.39 718	0.31 706	0.32 740	0.28 746	0.37 742	0.30 739	0.32 742	0.29 737

Wz-Net-MNSev	0.22 640	0.13 625	0.31 669	0.20 582	0.14 647	0.36 709	0.24 666	0.33 645	0.44 679	0.28 659	0.40 672	0.38 686	0.19 600	0.24 645	0.25 659	0.09 537	0.07 547	0.09 538	0.09 561	0.12 635	0.10 595

raft_robust	0.13 450	0.10 551	0.07 28	0.18 428	0.08 258	0.13 411	0.24 666	0.28 570	0.33 603	0.20 564	0.19 448	0.14 414	0.10 359	0.11 232	0.12 400	0.05 55	0.05 304	0.07 347	0.07 430	0.05 194	0.04 88

RAFT_CTSACE	0.12 422	0.09 488	0.10 227	0.22 637	0.08 258	0.12 353	0.24 666	0.18 343	0.16 333	0.20 564	0.27 574	0.13 391	0.07 206	0.13 390	0.09 126	0.05 55	0.06 469	0.08 448	0.07 430	0.04 54	0.04 88

SA	0.12 422	0.09 488	0.08 77	0.18 428	0.08 258	0.12 353	0.24 666	0.23 465	0.18 398	0.17 492	0.27 574	0.14 414	0.11 397	0.11 232	0.11 330	0.05 55	0.05 304	0.09 538	0.08 513	0.05 194	0.04 88

DDUNet	0.22 640	0.17 667	0.21 617	0.22 637	0.15 667	0.25 652	0.24 666	0.29 586	0.30 580	0.31 679	0.36 646	0.33 664	0.25 649	0.24 645	0.20 595	0.18 709	0.13 684	0.17 693	0.11 637	0.16 697	0.16 699

RAFT	0.13 450	0.09 488	0.11 290	0.18 428	0.08 258	0.15 475	0.24 666	0.20 387	0.19 418	0.21 580	0.21 485	0.17 482	0.12 430	0.16 491	0.09 126	0.06 191	0.07 547	0.10 588	0.09 561	0.05 194	0.05 236

test-1	0.10 288	0.07 263	0.16 525	0.19 511	0.08 258	0.11 298	0.24 666	0.14 178	0.18 398	0.09 221	0.07 87	0.09 267	0.08 264	0.07 8	0.09 126	0.06 191	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

RAFT + AFF	0.13 450	0.07 263	0.20 607	0.20 582	0.10 510	0.14 448	0.24 666	0.26 527	0.20 442	0.11 309	0.10 237	0.12 358	0.10 359	0.15 456	0.12 400	0.07 382	0.06 469	0.09 538	0.08 513	0.06 334	0.08 514

AF-Net	0.22 640	0.17 667	0.17 557	0.26 689	0.13 625	0.25 652	0.24 666	0.32 625	0.50 702	0.25 632	0.33 634	0.38 686	0.26 655	0.28 669	0.25 659	0.11 614	0.10 640	0.16 690	0.11 637	0.11 617	0.10 595

SANet	0.24 664	0.14 638	0.28 656	0.21 617	0.11 565	0.27 673	0.24 666	0.38 690	0.64 734	0.36 696	0.40 672	0.43 704	0.26 655	0.27 657	0.24 649	0.12 639	0.09 618	0.10 588	0.09 561	0.13 655	0.11 623

MeshStereo	0.27 687	0.13 625	0.18 583	0.15 133	0.11 565	0.32 689	0.24 666	0.40 698	0.36 629	0.52 724	0.57 722	0.67 736	0.40 717	0.35 700	0.26 671	0.14 679	0.13 684	0.13 655	0.11 637	0.11 617	0.10 595
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
TARStereo	0.72 749	0.18 679	0.56 721	0.27 702	0.21 718	1.35 769	0.25 682	0.59 746	1.65 775	0.68 739	5.01 780	1.08 754	0.81 760	0.38 713	0.30 698	0.18 709	0.15 703	0.20 709	0.19 712	0.17 705	0.23 725

FSD					0.22 721	0.25 652	0.25 682	0.27 549	0.26 538	0.25 632	0.26 565	0.25 591	0.27 663	0.27 657	0.24 649	0.21 724	0.20 727	0.27 726	0.26 729	0.25 729

z-mn7	0.24 664	0.14 638	0.45 703	0.19 511	0.13 625	0.28 680	0.25 682	0.34 654	0.62 729	0.27 644	0.56 719	0.29 628	0.24 640	0.32 686	0.25 659	0.08 468	0.08 581	0.08 448	0.08 513	0.10 594	0.10 595

rvit_0105_3	0.15 533	0.09 488	0.14 439	0.19 511	0.12 602	0.15 475	0.25 682	0.25 508	0.29 570	0.15 444	0.17 409	0.20 525	0.13 472	0.17 526	0.14 490	0.13 665	0.11 653	0.12 640	0.14 674	0.07 422	0.06 351

1111x	0.15 533	0.08 401	0.12 340	0.18 428	0.07 158	0.18 550	0.25 682	0.31 614	0.24 502	0.17 492	0.24 519	0.26 601	0.15 515	0.13 390	0.23 636	0.07 382	0.07 547	0.08 448	0.09 561	0.07 422	0.06 351

ToySt	0.17 580	0.11 579	0.18 583	0.17 325	0.11 565	0.16 507	0.25 682	0.24 489	0.33 603	0.19 541	0.24 519	0.26 601	0.24 640	0.19 568	0.20 595	0.07 382	0.08 581	0.09 538	0.10 603	0.09 561	0.08 514

cross-raft	0.10 288	0.09 488	0.09 154	0.19 511	0.07 158	0.11 298	0.25 682	0.13 143	0.15 291	0.08 163	0.11 292	0.12 358	0.10 359	0.09 70	0.11 330	0.05 55	0.04 26	0.06 228	0.05 216	0.04 54	0.04 88

ADCPNet	0.25 676	0.16 656	0.61 729	0.21 617	0.15 667	0.35 708	0.25 682	0.32 625	0.35 624	0.30 673	0.40 672	0.36 677	0.28 674	0.28 669	0.32 709	0.12 639	0.10 640	0.11 620	0.12 659	0.14 671	0.13 661

LSM	0.33 709	0.20 691	0.58 725	0.26 689	0.60 758	0.34 699	0.25 682	0.42 709	0.48 690	0.45 718	0.58 724	0.42 701	0.36 707	0.35 700	0.25 659	0.12 639	0.20 727	0.14 669	0.16 698	0.19 712	0.33 742

MSMD_ROB	0.31 704	0.26 717	0.26 644	0.24 670	0.21 718	0.34 699	0.25 682	0.34 654	0.39 648	0.40 706	0.69 734	0.45 708	0.40 717	0.34 693	0.27 679	0.20 720	0.19 724	0.26 722	0.25 728	0.23 722	0.22 724

test_3	0.10 288	0.09 488	0.10 227	0.20 582	0.08 258	0.13 411	0.26 692	0.14 178	0.21 459	0.10 272	0.10 237	0.09 267	0.09 311	0.08 33	0.11 330	0.05 55	0.04 26	0.08 448	0.07 430	0.04 54	0.04 88

Nwc_Net	0.23 657	0.16 656	0.21 617	0.25 683	0.14 647	0.24 641	0.26 692	0.37 682	0.38 643	0.22 596	0.41 683	0.30 638	0.28 674	0.28 669	0.25 659	0.11 614	0.10 640	0.17 693	0.20 716	0.10 594	0.10 595

ADCMid	0.25 676	0.15 648	0.40 695	0.20 582	0.14 647	0.25 652	0.26 692	0.34 654	0.38 643	0.36 696	0.44 694	0.34 671	0.40 717	0.35 700	0.33 714	0.10 582	0.09 618	0.11 620	0.11 637	0.13 655	0.12 638

ADCP+	0.20 618	0.10 551	0.33 677	0.20 582	0.12 602	0.22 620	0.26 692	0.31 614	0.34 615	0.26 638	0.37 652	0.22 553	0.22 626	0.27 657	0.27 679	0.09 537	0.06 469	0.08 448	0.08 513	0.09 561	0.10 595

RYNet	0.22 640	0.12 597	0.22 623	0.19 511	0.17 694	0.46 720	0.26 692	0.38 690	0.48 690	0.24 619	0.28 588	0.34 671	0.23 634	0.20 593	0.30 698	0.10 582	0.06 469	0.09 538	0.09 561	0.13 655	0.15 687

NaN_ROB	0.22 640	0.19 684	0.24 636	0.25 683	0.13 625	0.29 684	0.26 692	0.33 645	0.41 657	0.31 679	0.31 617	0.32 660	0.23 634	0.30 678	0.21 615	0.11 614	0.17 719	0.10 588	0.10 603	0.08 496	0.09 563

PDISCO_ROB	0.27 687	0.16 656	0.26 644	0.28 706	0.20 712	0.32 689	0.26 692	0.44 716	0.57 718	0.28 659	0.40 672	0.45 708	0.29 682	0.33 690	0.34 716	0.12 639	0.09 618	0.17 693	0.16 698	0.17 705	0.13 661

rvit_105_1	0.19 606	0.11 579	0.25 641	0.21 617	0.16 678	0.21 611	0.27 699	0.31 614	0.41 657	0.19 541	0.20 461	0.22 553	0.17 567	0.19 568	0.17 557	0.12 639	0.12 669	0.13 655	0.15 691	0.08 496	0.07 441

ACVNet_1	0.44 728	0.49 742	0.60 728	0.45 740	0.28 734	0.49 726	0.27 699	0.57 744	0.72 743	0.62 734	0.58 724	0.74 742	0.49 736	0.50 733	0.35 717	0.26 737	0.24 742	0.39 743	0.29 737	0.31 741	0.24 727

Wz-Net-TNSev	0.29 696	0.20 691	0.65 732	0.19 511	0.15 667	0.38 713	0.27 699	0.35 669	0.55 713	0.34 692	0.42 689	0.45 708	0.38 711	0.32 686	0.30 698	0.12 639	0.13 684	0.10 588	0.12 659	0.15 688	0.14 680

XQC	0.28 692	0.23 704	0.51 711	0.28 706	0.19 708	0.34 699	0.27 699	0.36 676	0.57 718	0.31 679	0.30 608	0.37 682	0.30 686	0.38 713	0.38 725	0.13 665	0.09 618	0.15 682	0.12 659	0.17 705	0.18 714

AnyNet_C01	0.36 713	0.25 714	1.37 765	0.22 637	0.17 694	0.48 724	0.27 699	0.35 669	0.39 648	0.39 703	0.74 740	0.46 712	0.38 711	0.45 728	0.47 742	0.13 665	0.13 684	0.13 655	0.14 674	0.14 671	0.15 687

LALA_ROB	0.25 676	0.16 656	0.22 623	0.26 689	0.17 694	0.27 673	0.27 699	0.42 709	0.37 636	0.33 689	0.38 658	0.51 721	0.26 655	0.28 669	0.27 679	0.16 699	0.09 618	0.12 640	0.11 637	0.13 655	0.12 638

Selective-IGEV-i16pa	18.58 795	3.30 775	1.09 761	0.21 617	0.18 701	103.68 813	0.28 705	19.87 800	40.73 809	4.16 782	56.45 813	8.07 787	2.59 781	123.95 814	5.89 785	0.18 709	0.12 669	0.09 538	0.12 659	0.12 635	0.51 754

FC-DCNN v2	0.33 709	0.27 721	0.28 656	0.26 689	0.23 724	0.37 710	0.28 705	0.40 698	0.43 674	0.45 718	0.56 719	0.51 721	0.40 717	0.37 711	0.29 691	0.21 724	0.20 727	0.27 726	0.26 729	0.25 729	0.24 727

RAFT+CT+SA	0.13 450	0.11 579	0.09 154	0.19 511	0.09 394	0.15 475	0.28 705	0.22 441	0.22 473	0.15 444	0.26 565	0.10 305	0.10 359	0.11 232	0.12 400	0.05 55	0.04 26	0.07 347	0.08 513	0.07 422	0.06 351

GMOStereo	0.11 342	0.09 488	0.07 28	0.19 511	0.08 258	0.12 353	0.28 705	0.13 143	0.17 364	0.11 309	0.17 409	0.14 414	0.12 430	0.07 8	0.07 9	0.05 55	0.05 304	0.09 538	0.07 430	0.04 54	0.04 88

error version	0.11 342	0.09 488	0.07 28	0.19 511	0.08 258	0.12 353	0.28 705	0.13 143	0.17 364	0.11 309	0.17 409	0.14 414	0.12 430	0.07 8	0.07 9	0.05 55	0.05 304	0.09 538	0.07 430	0.04 54	0.04 88

test-v	0.11 342	0.09 488	0.07 28	0.19 511	0.08 258	0.12 353	0.28 705	0.13 143	0.17 364	0.11 309	0.17 409	0.14 414	0.12 430	0.07 8	0.07 9	0.05 55	0.05 304	0.09 538	0.07 430	0.04 54	0.04 88

test-2	0.11 342	0.09 488	0.07 28	0.19 511	0.08 258	0.12 353	0.28 705	0.13 143	0.17 364	0.11 309	0.17 409	0.14 414	0.12 430	0.07 8	0.07 9	0.05 55	0.05 304	0.09 538	0.07 430	0.04 54	0.04 88

FCDSN-DC	0.33 709	0.28 725	0.28 656	0.30 717	0.24 726	0.39 715	0.28 705	0.42 709	0.42 667	0.43 716	0.53 710	0.51 721	0.41 722	0.36 706	0.30 698	0.21 724	0.20 727	0.27 726	0.26 729	0.25 729	0.24 727
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DeepPrunerF	0.24 664	0.17 667	0.42 700	0.26 689	0.16 678	0.22 620	0.28 705	0.37 682	0.50 702	0.26 638	0.29 600	0.24 577	0.28 674	0.21 611	0.22 624	0.15 683	0.11 653	0.20 709	0.18 710	0.12 635	0.13 661

FC-DCNN	0.33 709	0.27 721	0.28 656	0.26 689	0.23 724	0.37 710	0.28 705	0.40 698	0.43 674	0.45 718	0.55 714	0.51 721	0.40 717	0.37 711	0.30 698	0.21 724	0.20 727	0.27 726	0.26 729	0.25 729	0.24 727

nnnnnnn	0.42 724	0.25 714	0.52 712	0.33 722	0.27 732	0.49 726	0.29 715	0.53 737	0.77 752	0.63 735	0.68 732	0.74 742	0.56 743	0.46 729	0.43 738	0.22 729	0.21 739	0.27 726	0.26 729	0.28 736	0.25 732

TestStereo1	0.13 450	0.08 401	0.08 77	0.19 511	0.08 258	0.18 550	0.29 715	0.23 465	0.16 333	0.17 492	0.20 461	0.16 460	0.10 359	0.12 332	0.13 447	0.06 191	0.06 469	0.08 448	0.06 326	0.05 194	0.05 236

test_5	0.14 487	0.12 597	0.08 77	0.20 582	0.10 510	0.14 448	0.29 715	0.21 414	0.24 502	0.18 522	0.28 588	0.11 336	0.15 515	0.12 332	0.13 447	0.06 191	0.05 304	0.07 347	0.08 513	0.08 496	0.07 441

SA-5K	0.13 450	0.08 401	0.08 77	0.19 511	0.08 258	0.18 550	0.29 715	0.23 465	0.16 333	0.17 492	0.20 461	0.16 460	0.10 359	0.12 332	0.13 447	0.06 191	0.06 469	0.08 448	0.06 326	0.05 194	0.05 236

WZ-Net	0.28 692	0.17 667	0.78 750	0.22 637	0.16 678	0.34 699	0.29 715	0.39 694	0.57 718	0.24 619	0.55 714	0.37 682	0.24 640	0.33 690	0.35 717	0.09 537	0.08 581	0.09 538	0.10 603	0.14 671	0.16 699

BEATNet-Init1	0.52 736	0.27 721	0.62 730	0.30 717	0.21 718	0.76 750	0.29 715	0.54 740	0.65 737	0.86 757	0.95 753	2.07 771	0.62 751	0.56 745	0.42 735	0.18 709	0.18 721	0.23 718	0.22 722	0.22 720	0.21 722

ADCL	0.24 664	0.11 579	0.47 708	0.22 637	0.12 602	0.34 699	0.29 715	0.29 586	0.56 716	0.24 619	0.46 697	0.30 638	0.30 686	0.29 675	0.29 691	0.08 468	0.07 547	0.09 538	0.09 561	0.10 594	0.10 595

ETE_ROB	0.23 657	0.17 667	0.22 623	0.25 683	0.13 625	0.26 663	0.29 715	0.31 614	0.36 629	0.28 659	0.36 646	0.45 708	0.26 655	0.27 657	0.26 671	0.11 614	0.08 581	0.12 640	0.09 561	0.14 671	0.13 661

LRCNet_RVC	10.62 790	13.42 797	7.30 782	18.92 795	2.07 775	0.33 696	0.30 723	5.59 785	0.48 690	13.03 795	17.94 795	8.87 788	5.65 784	4.79 782	1.89 773	23.51 809	2.73 787	27.55 812	25.71 812	16.07 804	16.33 805

MFN_U_SF_DS_RVC	0.30 702	0.24 708	0.29 664	0.36 730	0.16 678	0.34 699	0.30 723	0.32 625	0.42 667	0.40 706	0.46 697	0.38 686	0.31 690	0.34 693	0.28 687	0.19 718	0.20 727	0.26 722	0.29 737	0.18 709	0.19 719

NCC-stereo	0.24 664	0.15 648	0.31 669	0.26 689	0.16 678	0.20 591	0.30 723	0.40 698	0.40 654	0.24 619	0.38 658	0.33 664	0.28 674	0.36 706	0.27 679	0.12 639	0.11 653	0.15 682	0.22 722	0.13 655	0.13 661

Abc-Net	0.24 664	0.15 648	0.31 669	0.26 689	0.16 678	0.20 591	0.30 723	0.40 698	0.40 654	0.24 619	0.38 658	0.33 664	0.28 674	0.36 706	0.27 679	0.12 639	0.11 653	0.15 682	0.22 722	0.13 655	0.13 661
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AnyNet_C32	0.26 685	0.16 656	0.36 686	0.20 582	0.16 678	0.25 652	0.30 723	0.32 625	0.44 679	0.31 679	0.49 702	0.30 638	0.33 697	0.40 723	0.33 714	0.12 639	0.12 669	0.12 640	0.14 674	0.14 671	0.15 687

PASM	0.32 706	0.24 708	0.48 709	0.28 706	0.27 732	0.29 684	0.30 723	0.34 654	0.49 699	0.35 693	0.39 666	0.46 712	0.34 702	0.34 693	0.35 717	0.23 734	0.25 744	0.26 722	0.28 736	0.23 722	0.21 722

APVNet	0.22 640	0.12 597	0.19 595	0.18 428	0.14 647	0.32 689	0.31 729	0.39 694	0.32 595	0.27 644	0.40 672	0.30 638	0.29 682	0.26 654	0.25 659	0.11 614	0.12 669	0.11 620	0.14 674	0.12 635	0.12 638

MANE	0.45 730	0.27 721	0.27 651	0.27 702	0.24 726	0.47 722	0.31 729	0.55 741	0.59 722	0.72 744	1.13 762	1.15 756	0.61 749	0.52 738	0.37 723	0.21 724	0.20 727	0.27 726	0.31 741	0.25 729	0.24 727

fsdfsdds	0.52 736	0.19 684	0.67 740	0.33 722	0.18 701	0.48 724	0.32 731	0.53 737	1.00 760	0.73 748	2.21 778	1.03 750	0.86 763	0.34 693	0.45 740	0.16 699	0.16 713	0.26 722	0.18 710	0.14 671	0.15 687

MSC_U_SF_DS_RVC	0.43 726	0.39 737	0.54 715	0.40 734	0.20 712	0.64 738	0.32 731	0.53 737	0.72 743	0.71 742	0.72 737	0.61 730	0.54 739	0.51 736	0.46 741	0.20 720	0.19 724	0.29 736	0.30 739	0.23 722	0.18 714

NVStereoNet_ROB	0.46 733	0.36 735	0.46 707	0.41 736	0.28 734	0.34 699	0.34 733	0.48 724	0.60 726	0.72 744	0.93 751	0.70 740	0.66 752	0.47 730	0.60 752	0.22 729	0.33 752	0.34 741	0.34 745	0.30 738	0.30 739
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
1111	0.43 726	0.23 704	0.54 715	0.33 722	0.20 712	0.83 755	0.35 734	0.50 730	0.82 753	0.63 735	0.68 732	0.69 739	0.68 754	0.77 752	0.35 717	0.17 705	0.15 703	0.19 705	0.19 712	0.21 715	0.17 709

PSMNet_ROB	0.21 631	0.11 579	0.15 488	0.27 702	0.15 667	0.24 641	0.35 734	0.43 714	0.37 636	0.27 644	0.32 621	0.32 660	0.22 626	0.21 611	0.26 671	0.12 639	0.08 581	0.13 655	0.11 637	0.09 561	0.09 563

PWCK	0.71 746	0.94 762	0.95 757	0.76 753	0.31 739	0.74 746	0.36 736	0.90 756	0.90 757	0.96 763	0.75 742	0.95 748	0.61 749	0.87 761	0.66 756	0.72 764	0.46 757	0.75 758	0.49 752	0.69 762	0.44 752

ELAS_RVC	0.41 721	0.29 728	0.33 677	0.28 706	0.24 726	0.54 730	0.36 736	0.49 726	0.59 722	0.72 744	0.74 740	0.65 734	0.54 739	0.54 743	0.40 731	0.22 729	0.20 727	0.27 726	0.26 729	0.26 734	0.25 732
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 721	0.29 728	0.33 677	0.27 702	0.24 726	0.60 736	0.36 736	0.50 730	0.50 702	0.71 742	0.79 745	0.67 736	0.54 739	0.51 736	0.42 735	0.22 729	0.20 727	0.27 726	0.26 729	0.26 734	0.25 732
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RainbowNet	0.54 739	0.61 747	0.70 748	0.57 747	0.43 745	0.65 739	0.37 739	0.60 747	0.87 756	0.50 723	0.66 729	0.64 732	0.47 734	0.49 732	0.43 738	0.47 752	0.48 762	0.52 750	0.41 747	0.52 749	0.40 750

PA-Net	0.23 657	0.18 679	0.33 677	0.28 706	0.22 721	0.21 611	0.38 740	0.29 586	0.39 648	0.22 596	0.32 621	0.25 591	0.26 655	0.20 593	0.25 659	0.09 537	0.23 741	0.15 682	0.22 722	0.09 561	0.13 661
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
anonymity	0.53 738	0.58 745	0.65 732	0.41 736	0.61 759	0.53 729	0.41 741	0.56 742	0.41 657	0.55 729	0.50 706	0.49 720	0.55 742	0.58 746	0.50 747	0.58 758	0.50 766	0.51 748	0.51 755	0.51 748	0.57 756

Consistency-Raft	0.44 728	0.40 738	0.45 703	0.37 732	0.43 745	0.46 720	0.41 741	0.57 744	0.55 713	0.32 685	0.73 738	0.33 664	0.48 735	0.42 727	0.49 744	0.39 745	0.35 753	0.45 745	0.51 755	0.42 745	0.29 737

GANetREF_RVC	0.31 704	0.34 733	0.27 651	0.35 728	0.16 678	0.32 689	0.41 741	0.48 724	0.51 709	0.35 693	0.35 643	0.34 671	0.33 697	0.39 718	0.32 709	0.27 738	0.20 727	0.29 736	0.15 691	0.18 709	0.17 709
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
DPSNet	0.28 692	0.16 656	0.31 669	0.18 428	0.13 625	0.54 730	0.42 744	0.51 733	0.67 739	0.29 668	0.38 658	0.38 686	0.29 682	0.31 679	0.23 636	0.11 614	0.10 640	0.11 620	0.08 513	0.20 713	0.16 699

CSAN	0.29 696	0.24 708	0.27 651	0.34 725	0.19 708	0.33 696	0.42 744	0.37 682	0.50 702	0.38 701	0.40 672	0.44 706	0.33 697	0.28 669	0.30 698	0.20 720	0.16 713	0.19 705	0.19 712	0.14 671	0.15 687

Selective-IGEV-i1pa	2.80 769	3.51 777	0.67 740	0.28 706	0.14 647	10.22 784	0.43 746	4.36 781	3.63 781	3.53 781	6.92 782	3.47 774	1.97 779	13.41 795	2.26 776	0.36 744	0.15 703	0.13 655	0.10 603	0.15 688	0.35 745

PVD	0.39 716	0.20 691	0.39 694	0.31 721	0.22 721	0.29 684	0.43 746	0.52 735	0.96 759	0.55 729	0.79 745	0.53 725	0.59 748	0.52 738	0.38 725	0.19 718	0.14 695	0.17 693	0.14 674	0.24 728	0.31 740

mmmmmm	0.41 721	0.25 714	0.42 700	0.37 732	0.20 712	0.59 733	0.44 748	0.51 733	0.73 747	0.54 728	0.76 743	0.70 740	0.56 743	0.50 733	0.38 725	0.18 709	0.22 740	0.22 716	0.20 716	0.20 713	0.17 709

SPS-STEREO	0.57 741	0.58 745	0.65 732	0.45 740	0.55 753	0.62 737	0.44 748	0.62 748	0.50 702	0.68 739	0.64 727	0.66 735	0.57 746	0.61 747	0.60 752	0.62 761	0.47 761	0.51 748	0.49 752	0.55 753	0.58 757
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH-64-1	0.65 743	0.61 747	0.68 742	0.71 751	0.51 749	0.59 733	0.49 750	0.91 757	0.85 754	0.74 749	1.02 755	0.81 745	0.78 758	0.79 753	0.49 744	0.42 747	0.46 757	0.71 755	0.47 750	0.52 749	0.39 747

IMH-64	0.65 743	0.61 747	0.68 742	0.71 751	0.51 749	0.59 733	0.49 750	0.91 757	0.85 754	0.74 749	1.02 755	0.81 745	0.78 758	0.79 753	0.49 744	0.42 747	0.46 757	0.71 755	0.47 750	0.52 749	0.39 747

ACVNet_2	0.66 745	0.66 751	0.68 742	0.63 749	0.41 743	0.71 744	0.49 750	0.96 761	1.39 769	0.89 759	1.09 758	1.04 751	0.73 756	0.54 743	0.47 742	0.43 749	0.40 755	0.53 751	0.44 749	0.47 747	0.35 745

SGM+DAISY	0.56 740	0.57 744	0.65 732	0.40 734	0.54 751	0.66 741	0.49 750	0.56 742	0.45 685	0.66 737	0.69 734	0.67 736	0.56 743	0.63 748	0.56 749	0.59 759	0.48 762	0.50 747	0.50 754	0.52 749	0.58 757

IMH	0.71 746	0.64 750	0.68 742	0.76 753	0.54 751	0.69 742	0.54 754	0.98 763	1.10 762	0.82 753	1.09 758	0.89 747	0.88 765	0.87 761	0.52 748	0.44 750	0.50 766	0.75 758	0.51 755	0.56 754	0.41 751

TorneroNet-64	0.76 751	0.72 754	0.74 749	0.78 755	0.58 757	0.91 759	0.56 755	0.84 754	1.29 766	0.66 737	0.90 749	1.40 764	0.75 757	0.85 759	0.67 759	0.49 753	0.46 757	0.72 757	0.59 758	0.67 759	0.53 755

MFMNet_re	0.64 742	0.66 751	0.65 732	0.51 744	0.69 763	0.69 742	0.57 756	0.64 749	0.73 747	0.60 732	0.73 738	0.62 731	0.67 753	0.65 749	0.60 752	0.66 763	0.58 775	0.63 753	0.59 758	0.68 760	0.69 766

WAO-6	0.81 753	0.80 757	0.62 730	0.86 760	0.63 760	0.76 750	0.58 757	0.98 763	1.54 774	0.90 761	0.96 754	1.07 753	1.03 770	0.70 751	0.66 756	0.72 764	0.49 764	0.90 766	0.71 765	0.68 760	0.58 757

TorneroNet	0.82 754	0.74 755	0.81 754	0.84 758	0.63 760	0.99 761	0.63 758	0.96 761	1.16 763	0.80 752	1.11 760	1.36 763	0.86 763	0.93 765	0.80 764	0.56 756	0.49 764	0.78 763	0.66 763	0.73 765	0.63 765

Dean	0.87 756	0.86 761	0.79 752	0.81 757	0.56 754	0.90 756	0.63 758	1.15 777	1.73 776	1.15 771	1.15 763	1.31 761	0.99 769	0.81 755	0.81 765	0.57 757	0.56 773	0.77 762	0.64 761	0.66 758	0.58 757

JetBlue	0.71 746	0.45 741	1.14 763	0.51 744	0.47 747	2.02 771	0.64 760	0.75 751	0.70 741	0.69 741	0.77 744	1.22 758	0.83 761	1.03 769	1.01 769	0.40 746	0.28 746	0.33 740	0.33 742	0.30 738	0.34 743

LVE	0.83 755	0.85 760	0.85 755	0.80 756	0.56 754	1.04 765	0.65 761	1.05 767	1.47 772	0.96 763	1.22 766	1.10 755	0.85 762	0.83 756	0.71 761	0.49 753	0.55 772	0.76 761	0.60 760	0.65 757	0.59 762

WAO-8	0.91 757	0.81 758	0.65 732	0.94 763	0.69 763	0.90 756	0.67 762	1.07 771	1.83 778	1.06 768	1.45 768	1.30 759	1.07 771	0.84 757	0.78 762	0.74 766	0.53 769	0.86 764	0.75 766	0.69 762	0.62 763

Venus	0.91 757	0.81 758	0.65 732	0.94 763	0.69 763	0.90 756	0.67 762	1.07 771	1.83 778	1.06 768	1.45 768	1.30 759	1.07 771	0.84 757	0.78 762	0.74 766	0.53 769	0.86 764	0.75 766	0.69 762	0.62 763

WAO-7	0.79 752	0.78 756	0.54 715	0.85 759	0.67 762	0.74 746	0.68 764	1.05 767	1.32 767	0.90 761	1.20 765	1.04 751	0.92 766	0.69 750	0.66 756	0.60 760	0.62 776	0.67 754	0.68 764	0.64 756	0.58 757

notaker	0.97 760	1.11 765	0.98 758	1.13 768	0.81 767	0.73 745	0.68 764	0.93 759	1.16 763	1.18 773	1.18 764	1.41 765	1.16 775	1.08 771	0.69 760	0.81 769	0.64 777	1.17 771	0.79 768	0.98 769	0.80 770

HanzoNet	1.29 765	1.26 769	1.19 764	1.12 767	0.85 768	1.02 764	0.83 766	1.03 766	1.48 773	1.64 776	1.61 770	2.50 773	1.72 778	1.61 773	1.61 772	1.26 779	0.80 779	1.31 774	1.01 773	1.02 771	0.86 771

UNDER WATER	0.97 760	0.97 764	1.42 766	0.99 765	0.70 766	1.12 767	0.84 767	0.80 753	1.08 761	1.01 765	0.90 749	1.55 768	1.22 777	1.03 769	1.00 768	0.78 768	0.53 769	1.02 769	0.87 770	0.80 767	0.74 768

UNDER WATER-64	0.95 759	0.94 762	1.43 767	0.87 761	0.56 754	1.18 768	0.87 768	0.77 752	0.94 758	1.04 766	0.85 747	1.58 769	1.21 776	0.94 766	0.96 767	0.87 770	0.57 774	1.03 770	0.88 771	0.78 766	0.73 767

ktn	1.01 762	1.21 767	0.80 753	1.23 770	0.86 769	1.01 763	0.87 768	0.94 760	1.39 769	1.04 766	1.12 761	1.15 756	1.07 771	0.94 766	0.59 751	1.28 780	0.71 778	1.38 775	0.83 769	1.02 771	0.75 769

KSHMR	1.09 763	1.17 766	0.88 756	1.25 771	1.00 771	0.99 761	0.96 770	1.13 775	1.37 768	1.16 772	1.29 767	1.41 765	0.96 768	1.01 768	0.92 766	1.03 778	1.08 780	1.20 772	1.03 774	1.01 770	0.97 772

MADNet+	0.75 750	0.71 753	3.70 774	0.66 750	0.41 743	0.98 760	0.97 771	0.69 750	0.73 747	0.52 724	0.57 722	0.64 732	0.68 754	0.86 760	1.01 769	0.34 743	0.36 754	0.28 735	0.23 726	0.36 744	0.31 740

DPSimNet_ROB	1.11 764	1.23 768	0.78 750	1.13 768	0.88 770	1.10 766	1.13 772	1.16 778	1.23 765	1.43 775	1.02 755	1.41 765	1.10 774	0.90 764	1.60 771	1.46 781	0.51 768	1.21 773	1.03 774	0.90 768	1.01 774

2222	0.37 714	0.26 717	0.31 669	0.42 738	0.19 708	0.77 752	1.20 773	0.42 709	0.41 657	0.33 689	0.52 708	0.48 718	0.37 709	0.32 686	0.31 706	0.17 705	0.14 695	0.21 711	0.15 691	0.22 720	0.11 623

SAMSARA	0.40 719	0.28 725	0.33 677	0.55 746	0.39 741	0.82 754	1.23 774	0.47 723	0.51 709	0.36 696	0.35 643	0.55 727	0.39 714	0.38 713	0.39 728	0.15 683	0.20 727	0.15 682	0.14 674	0.23 722	0.20 720

MultiAttention	0.29 696	0.08 401	0.14 439	0.19 511	0.12 602	1.45 770	1.33 775	0.36 676	0.37 636	0.19 541	0.21 485	0.24 577	0.11 397	0.38 713	0.18 575	0.06 191	0.05 304	0.08 448	0.08 513	0.10 594	0.09 563

MADNet++	1.95 768	1.75 771	1.59 768	1.82 772	1.69 774	2.33 772	1.40 776	2.35 780	2.09 780	2.57 780	2.36 779	2.24 772	2.17 780	2.28 774	2.34 778	1.87 782	1.66 782	1.54 776	1.34 776	1.92 774	1.77 776

JetRed	1.62 766	1.46 770	2.98 769	0.92 762	1.21 772	4.99 779	1.53 777	1.27 779	1.39 769	1.83 777	1.74 771	1.60 770	0.95 767	1.41 772	2.45 780	0.90 772	1.60 781	0.93 767	0.90 772	1.35 773	0.99 773

TCMNet-wrong-test	3.67 776	5.48 787	3.89 777	12.18 786	11.75 788	4.65 778	3.88 778	1.06 769	0.72 743	1.09 770	2.15 777	6.30 782	0.53 738	3.43 781	2.36 779	0.89 771	0.20 727	1.87 778	1.69 777	5.57 782	3.62 782

zzzz4	3.62 772	5.55 789	4.00 780	12.27 790	11.85 792	4.49 773	3.91 779	1.10 774	0.42 667	0.85 755	2.01 774	6.20 780	0.44 729	3.00 776	2.25 774	0.94 774	0.15 703	1.93 781	1.76 778	5.70 785	3.67 783

noway2	3.60 771	5.21 785	3.74 775	12.26 788	11.84 789	4.51 775	3.91 779	1.00 765	0.48 690	0.89 759	1.98 772	6.35 784	0.41 722	2.90 775	2.47 781	0.93 773	0.13 684	1.92 780	1.77 782	5.66 783	3.67 783

noway3	3.64 774	5.28 786	3.79 776	12.26 788	11.84 789	4.53 776	3.92 781	1.06 769	0.48 690	0.88 758	1.98 772	6.32 783	0.46 733	3.32 779	2.57 782	0.95 777	0.15 703	1.93 781	1.76 778	5.67 784	3.69 786

noway1	3.62 772	5.55 789	3.97 778	12.27 790	11.85 792	4.50 774	3.92 781	1.09 773	0.42 667	0.85 755	2.01 774	6.22 781	0.44 729	3.00 776	2.25 774	0.94 774	0.15 703	1.93 781	1.76 778	5.70 785	3.67 783

noway4	3.64 774	5.53 788	3.97 778	12.24 787	11.84 789	4.58 777	3.96 783	1.14 776	0.45 685	0.82 753	2.01 774	6.19 779	0.43 728	3.04 778	2.29 777	0.94 774	0.15 703	1.93 781	1.76 778	5.75 787	3.71 787

HaxPig	15.71 794	18.52 808	19.18 803	16.89 794	15.89 796	7.73 781	7.60 784	13.31 798	10.82 789	15.42 796	14.91 794	15.98 797	14.92 797	15.58 796	15.98 797	18.95 804	16.73 797	19.46 808	18.08 804	19.26 805	19.05 808

MEDIAN_ROB	20.38 798	24.04 809	23.31 806	21.23 796	21.71 799	10.40 786	7.92 785	17.64 799	15.50 799	20.12 800	19.70 796	20.34 798	20.32 798	21.19 797	21.13 800	23.81 810	21.81 806	24.98 811	23.76 811	24.71 810	23.93 811

AVERAGE_ROB	24.90 807	29.20 812	28.14 809	24.89 805	24.64 807	17.75 792	11.12 786	21.45 801	19.93 800	25.12 809	24.46 807	25.12 809	25.46 809	24.69 808	22.83 801	29.76 811	27.13 811	28.97 813	27.95 813	29.91 811	29.47 812

tt	4.67 777	0.06 129	3.55 773	2.02 773	1.55 773	10.25 785	16.71 787	8.91 790	5.03 783	1.31 774	0.94 752	4.71 775	4.76 783	3.33 780	5.87 784	6.06 790	10.30 796	1.88 779	2.11 784	2.75 776	1.21 775

USTest	6.22 778	2.73 774	3.00 770	6.57 780	7.29 780	14.37 787	21.57 788	7.00 789	9.56 788	5.34 786	6.10 781	5.72 778	7.64 786	6.41 785	6.96 786	1.97 783	3.42 788	1.64 777	2.15 785	2.66 775	2.36 777

xxxxx1	7.79 779	5.02 782	7.31 783	3.12 774	3.85 776	16.35 789	22.88 789	5.86 786	8.69 785	7.97 787	8.54 783	9.12 789	8.27 787	10.18 787	10.92 787	2.42 784	2.45 784	3.56 787	12.37 793	3.77 777	3.06 779

tt_ll	7.79 779	5.02 782	7.31 783	3.12 774	3.85 776	16.35 789	22.88 789	5.86 786	8.69 785	7.97 787	8.54 783	9.12 789	8.27 787	10.18 787	10.92 787	2.42 784	2.45 784	3.56 787	12.37 793	3.77 777	3.06 779

ff	7.79 779	5.02 782	7.31 783	3.12 774	3.85 776	16.35 789	22.88 789	5.86 786	8.69 785	7.97 787	8.54 783	9.12 789	8.27 787	10.18 787	10.92 787	2.42 784	2.45 784	3.56 787	12.37 793	3.77 777	3.06 779

DGTPSM_ROB	8.06 783	4.48 778	8.63 791	5.35 777	10.72 782	8.32 782	22.97 792	5.46 783	13.35 792	5.12 784	9.92 788	5.08 776	10.40 790	5.52 783	12.58 790	3.79 787	8.00 789	3.50 785	7.02 790	3.83 780	7.14 791

DPSMNet_ROB	8.06 783	4.48 778	8.63 791	5.37 779	10.74 783	8.32 782	22.98 793	5.46 783	13.36 793	5.12 784	9.92 788	5.08 776	10.40 790	5.53 784	12.58 790	3.80 788	8.00 789	3.50 785	7.02 790	3.83 780	7.14 791

PML	8.91 785	9.34 796	6.13 781	5.35 777	6.41 779	14.99 788	23.38 794	5.27 782	6.83 784	18.04 799	28.19 808	7.67 786	6.83 785	7.85 786	5.75 783	5.35 789	1.83 783	5.95 795	1.93 783	8.64 792	2.52 778

iinet-test	10.48 788	8.09 792	7.54 787	10.26 781	10.94 784	18.00 793	25.26 795	11.33 794	13.28 790	9.69 791	9.85 786	9.42 792	11.17 792	11.02 791	12.78 793	6.59 792	8.30 791	5.56 790	6.56 786	6.89 788	7.02 789

IINet	10.48 788	8.09 792	7.54 787	10.26 781	10.94 784	18.00 793	25.26 795	11.33 794	13.28 790	9.69 791	9.85 786	9.42 792	11.17 792	11.02 791	12.78 793	6.59 792	8.30 791	5.56 790	6.56 786	6.89 788	7.02 789

Anonymous_1	10.96 791	7.92 791	7.46 786	10.33 783	10.06 781	18.65 795	26.34 797	11.06 793	13.44 794	9.40 790	10.05 790	9.67 794	11.23 794	10.73 790	12.72 792	6.42 791	8.38 793	5.77 792	10.61 792	12.12 793	6.77 788

DPSM_ROB	11.15 792	8.58 794	8.00 789	10.88 784	11.58 786	19.10 796	26.71 798	12.05 796	14.07 797	10.36 793	10.84 791	10.33 795	11.86 795	11.70 793	13.54 795	6.99 794	8.79 794	5.89 793	6.95 788	7.29 790	7.42 793

DPSM	11.15 792	8.58 794	8.00 789	10.88 784	11.58 786	19.10 796	26.71 798	12.05 796	14.07 797	10.36 793	10.84 791	10.33 795	11.86 795	11.70 793	13.54 795	6.99 794	8.79 794	5.89 793	6.95 788	7.29 790	7.42 793

RSGM-EC	20.36 796	4.73 780	0.68 742	16.76 792	16.92 797	21.28 798	27.18 800	10.46 791	14.04 795	18.00 797	21.31 798	22.24 807	21.82 799	22.57 798	17.63 798	62.81 812	33.79 812	20.14 809	18.10 805	20.18 806	16.45 806

acva	20.36 796	4.73 780	0.68 742	16.76 792	16.92 797	21.28 798	27.18 800	10.46 791	14.04 795	18.00 797	21.31 798	22.24 807	21.82 799	22.57 798	17.63 798	62.81 812	33.79 812	20.14 809	18.10 805	20.18 806	16.45 806

LSM0	22.87 806	17.28 800	18.96 800	22.19 803	29.04 808	38.42 807	53.71 802	24.28 807	28.31 801	20.78 807	21.00 797	21.43 806	24.16 808	23.50 806	27.39 805	14.09 802	17.38 798	11.84 802	14.04 800	14.73 802	14.89 796

FlowAnything	22.44 802	17.35 804	16.14 797	22.07 802	23.23 800	38.39 805	53.77 803	24.25 806	28.44 805	20.96 808	21.82 804	20.70 800	23.84 802	23.49 805	27.14 802	14.04 796	17.79 805	11.75 796	14.15 802	14.65 796	14.89 796

fast-reg	22.85 805	17.43 807	19.15 802	22.22 804	24.34 806	38.36 803	53.78 804	24.23 805	28.52 807	20.55 801	22.05 806	20.54 799	23.77 801	23.21 800	27.31 803	14.18 803	17.47 799	14.33 803	14.96 803	15.81 803	14.81 795

Hybrid-DGEV	22.47 803	17.40 806	16.14 797	22.00 797	23.29 802	38.36 803	53.80 805	24.43 809	28.63 808	20.59 802	21.81 803	20.88 802	23.91 804	23.45 804	27.42 806	14.08 800	17.69 800	11.83 798	14.06 801	14.65 796	14.93 798

CasAABBNet	22.42 799	17.33 801	16.01 795	22.01 798	23.28 801	38.32 800	53.80 805	24.14 804	28.41 804	20.60 803	21.77 802	20.89 805	23.91 804	23.43 803	27.36 804	14.07 797	17.69 800	11.83 798	14.01 797	14.67 798	14.95 799

RAFT-FEzeroshot	22.43 800	17.33 801	15.98 793	22.02 799	23.31 803	38.34 801	53.82 807	24.05 802	28.39 802	20.61 804	21.76 800	20.88 802	23.92 806	23.41 801	27.42 806	14.07 797	17.69 800	11.83 798	14.02 798	14.69 799	14.97 800

RAFT-FE	22.43 800	17.33 801	15.98 793	22.02 799	23.31 803	38.34 801	53.82 807	24.05 802	28.39 802	20.61 804	21.76 800	20.88 802	23.92 806	23.41 801	27.42 806	14.07 797	17.69 800	11.83 798	14.02 798	14.69 799	14.97 800

Selective-RAFT-Error	22.47 803	17.37 805	16.09 796	22.06 801	23.34 805	38.39 805	53.83 809	24.29 808	28.47 806	20.74 806	21.83 805	20.81 801	23.90 803	23.54 807	27.53 809	14.08 800	17.69 800	11.82 797	14.00 796	14.69 799	15.00 802

zzz1	32.32 809	13.62 799	19.04 801	39.10 808	40.27 811	58.39 811	73.98 810	33.31 812	42.69 813	31.39 811	33.04 810	30.66 811	36.33 812	37.52 812	43.96 812	20.74 806	26.81 810	16.53 805	20.80 808	12.35 795	15.78 803

zzzzzz3	32.30 808	13.60 798	18.91 799	39.10 808	40.27 811	58.35 810	74.04 811	33.28 811	42.63 810	31.37 810	33.03 809	30.65 810	36.33 812	37.51 811	43.96 812	20.73 805	26.80 809	16.52 804	20.79 807	12.34 794	15.78 803

zzzz2	33.88 810	26.18 810	24.44 807	33.40 806	35.10 809	58.13 808	81.44 812	37.02 813	42.64 811	31.75 812	33.25 811	31.23 812	35.81 810	34.90 809	40.56 810	21.21 807	26.75 807	18.05 806	21.21 809	22.06 808	22.50 809

noway5	33.88 810	26.18 810	24.44 807	33.40 806	35.10 809	58.13 808	81.44 812	37.02 813	42.64 811	31.75 812	33.25 811	31.23 812	35.81 810	34.90 809	40.56 810	21.21 807	26.75 807	18.05 806	21.21 809	22.06 808	22.50 809

test_example2	98.32 812	94.13 813	45.89 810	96.35 810	109.85 813	88.61 812	95.45 814	25.75 810	94.37 814	130.00 815	126.06 814	58.17 814	74.63 814	88.51 813	79.96 814	150.23 814	221.02 814	77.62 814	99.10 814	113.75 814	96.94 813

ccccc		285.66 814		368.85 813	370.60 814	123.16 814		115.05 815		126.68 814		122.83 815		252.94 815		384.56 815	353.86 815	254.69 815	223.00 815	425.87 815

ASD4		3.38 776

Low-res two-view benchmark